BOT TELEGRAM PARA MAPEAMENTO DE RUAS PERIGOSAS
Notice bibliographique
Résumé
O presente artigo tem como objetivo discutir a relevância da segurança nas ruas urbanas, que se tornou um desafio global em meio ao crescimento das cidades e da mobilidade. Diante desse cenário, é fundamental buscar soluções inovadoras que possam contribuir para a proteção dos cidadãos que transitam pelas áreas urbanas, seja a pé, de bicicleta, de carro ou de transporte público. Uma dessas soluções é o chatbot do Telegram para mapeamento de ruas perigosas, um projeto que utiliza o georreferenciamento para permitir que os usuários compartilhem e consultem informações sobre as condições de segurança das ruas em suas comunidades. O projeto visa atender às demandas de diferentes perfis de usuários, desde turistas que desejam conhecer os locais mais seguros para visitar, até taxistas, motoristas de aplicativo e moradores que precisam se deslocar diariamente pelas vias urbanas. O artigo apresenta em detalhes o funcionamento do chatbot, explicando as tecnologias envolvidas no processo de coleta, análise e disponibilização dos dados sobre as ruas potencialmente perigosas.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,005 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».