AI-Driven Data Governance for Smart Cities: Balancing Privacy, Efficiency, and Public Trust
Notice bibliographique
Résumé
The integration of Artificial Intelligence (AI) in smart cities has transformed urban governance, enhancing efficiency in public services, infrastructure management, and decision-making. However, the widespread use of AI for data collection and analysis raises significant challenges related to privacy, algorithmic bias, transparency, and public trust. Without proper governance, AI systems risk exacerbating inequalities, infringing on citizen rights, and reducing accountability in automated decision-making. This paper explores how AI-driven frameworks can enhance data governance while ensuring privacy protection, algorithmic fairness, and citizen empowerment. Key strategies include federated learning to enable decentralized data processing, differential privacy to protect individual identities, and explainable AI (XAI) to increase transparency in automated decisions. Additionally, bias detection mechanisms and algorithmic audits are essential to prevent discrimination in AI-driven urban systems. Public trust is crucial in smart city initiatives, requiring citizen engagement models, participatory AI councils, and transparent data-sharing policies. Case studies from Barcelona, Singapore, Buenos Aires and Toronto illustrate effective AI governance approaches that balance innovation with ethical considerations. The paper proposes a comprehensive governance framework integrating privacy-centric AI, fairness-aware algorithms, and public engagement strategies to ensure sustainable, transparent, and accountable AI-driven urban ecosystems. By aligning technological advancements with ethical and legal safeguards, smart cities can optimize AI’s potential while maintaining public trust and regulatory compliance
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,039 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,015 |
| Communication savante | 0,015 | 0,017 |
| Science ouverte | 0,002 | 0,013 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».