Evaluating OSM Building Footprint Data Quality in Québec Province, Canada from 2018 to 2023: A Comparative Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OpenStreetMap (OSM) is among the most prominent Volunteered Geographic Information (VGI) initiatives, aiming to create a freely accessible world map. Despite its success, the data quality of OSM remains variable. This study begins by identifying the quality metrics proposed by earlier research to assess the quality of OSM building footprints. It then evaluates the quality of OSM building data from 2018 and 2023 for five cities within Québec, Canada. The analysis reveals a significant quality improvement over time. In 2018, the completeness of OSM building footprints in the examined cities averaged around 5%, while by 2023, it had increased to approximately 35%. However, this improvement was not evenly distributed. For example, Shawinigan saw its completeness surge from 2% to 99%. The study also finds that OSM contributors were more likely to digitize larger buildings before smaller ones. Positional accuracy saw enhancement, with the average error shrinking from 3.7 m in 2018 to 2.3 m in 2023. The average distance measure suggests a modest increase in shape accuracy over the same period. Overall, while the quality of OSM building footprints has indeed improved, this study shows that the extent of the improvement varied significantly across different cities. Shawinigan experienced a substantial increase in data quality compared to its counterparts.
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.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 découle