Intersecting perspectives: A participatory street review framework for urban inclusivity
Notice bibliographique
Résumé
Urban demographic changes, evolving multiculturalism, and heightened tourism flows have underscored the importance of designing public streets that serve heterogeneous populations. Despite municipal policies advocating equity and universal access, many streetscapes still fall short of accommodating the wide-ranging practical and cultural differences that exist among diverse user groups. This paper introduces and applies a participatory methodology—“Street Review”—designed to capture how individuals from varying social positions evaluate an array of streets within a multicultural metropolis. Grounded in the context of Montréal, known for its overlapping layers of historic and modern neighborhoods, multilingual communities, and continual inflows of short-term visitors, this framework draws upon qualitative interviews, focus groups, and a systematic rating of street images by 12 participants. The analyses focus on perceived inclusivity, accessibility, aesthetics, and practicality for both long-term residents (post-occupancy) and newcomers or suburban visitors (pre-occupancy). Findings from examining 20 selected streets (represented through 60 vantage points) indicate that most streetscapes offer moderate levels of user-friendliness, with only a handful of locations scoring especially low on supporting vulnerable populations or signaling cultural welcome. A smaller subset approached higher performance in certain areas but rarely satisfied all participant groups. In situating these results within global debates around inclusive urban design, public space, and the interplay of tourism with social equity, we illustrate how group-based deliberations can generate constructive insights and spotlight deeper conflicts rooted in identity, memory, and everyday mobility. These reflections inform planners and policymakers in striving for streets that address the convergence of diverse user experiences and emerging global challenges in urban policy.
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 | 0,229 | 0,137 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,011 | 0,007 |
| Études des sciences et des technologies | 0,025 | 0,066 |
| Communication savante | 0,022 | 0,018 |
| Science ouverte | 0,008 | 0,027 |
| Intégrité de la recherche | 0,006 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».