Using Geospatial Technologies for Assessing Accessibility of Urban Spaces for People with Motor Disabilities: Theoretical Framework of an Approach Centered on Users’ Perception
Notice bibliographique
Résumé
The quality of life of people with disabilities strongly depends on their ability to access urban spaces and conduct their daily activities without any restriction. Unfortunately, there is a significant gap between traditional urban design and the way people with disabilities live in urban environments, which significantly limits their mobility and hence their social participation. In recent years, several governments and administrations have issued norms and guidelines that aim to ensure the construction of environments that are accessible and barrier-free in order to facilitate the mobility of these people. However, the goal and the means to improve mobility and quality of access to urban environments are still misunderstood by the public authorities and the actors involved. In order to help people with disabilities overcome the existing environmental barriers, we need to better understand how they perceive the accessibility of an urban environment while taking into account the heterogeneity of their profiles. In this paper, we present a theoretical framework of a new approach to assess accessibility of urban environments centered on users’ perception. To take into consideration the diversity of users’ profiles, the proposed framework combines the principles of the Disability Creation Process model and ‘Cognitive Design’. These two paradigms provide a solid background for the definition of experimental protocols for assessing the level of accessibility of urban spaces that may contain diverse obstacles and facilitators. In addition, this paper illustrates the importance of geospatial technologies for the implementation of such protocols.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».