WalkRollMap.org: Crowdsourcing barriers to mobility
Notice bibliographique
Résumé
Walking is a simple way to improve health through physical activity. Yet many people experience barriers to walking from a variety of physical, social, and psychological factors that impact their mobility. A challenge for managing and studying pedestrian environments is that barriers often occur at local scales (e.g., sidewalk features), yet such fine scale data on pedestrian facilities and experiences are often lacking or out of date. In response, our team developed WalkRollMap.org an online mapping tool that empowers communities by providing them with tools for crowdsourcing their own open data source. In this manuscript we highlight key functions of the tool, discuss initial approaches to community outreach, and share trends in reporting from the first nine months of operation. As of July 27, 2022, there have been 897 reports, of which 53% served to identify hazards, 34% missing amenities, and 14% incidents. The most frequently reported issues were related to sidewalks (15%), driver behavior (19%), and marked crosswalks (7%). The most common suggested amenities were sidewalks, marked crosswalks, connections (i.e., pathways between streets), and curb cuts. The most common types of incidents all included conflicts with vehicles. Data compiled through WalkRollMap.org offer unique potential for local and timely information on microscale barriers to mobility and are available for use by anyone as data are open and downloadable.
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 | 0,007 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».