MétaCan
Menu
Retour à la cohorte
Enregistrement W6982897497

La partecipazione digitale alla governance urbana attraverso i mapping collaborativi: approcci metodologici ed esempi

2023· article· it· W6982897497 sur OpenAlexaff

Notice bibliographique

RevueAisberg (University of Bergamo) · 2023
Typearticle
Langueit
DomaineMedicine
ThématiqueHER2/EGFR in Cancer Research
Établissements canadiensInstitute on Governance
Organismes subventionnairesnon disponible
Mots-clésCorporate governanceContext (archaeology)Field (mathematics)Perspective (graphical)Work (physics)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

APPROCCI METODOLOGICI ED ESEMPI1. Partecipazione digitale e mapping collaborativi.-La cartografia è utilizzata per progetti e finalità di diversa natura, dalla pianificazione, al controllo e censimento, ma dal nuovo millennio e in virtù delle sue capacità persuasive e comunicative, essa ha acquisito il ruolo di strumento in grado di contribuire alla conoscenza delle poste in gioco e dei significati sociali del territorio, alla realizzazione della governance e quindi alla presa di decisione concertata (Burini, 2016).Questo è stato possibile soprattutto sfruttando lo sviluppo e la crescita delle Tecnologie dell'Informazione Geografica (TIG), ossia l'insieme dei metodi e delle tecniche di trasmissione, trattamento, conversione e rielaborazione di informazioni per l'acquisizione e la gestione di dati geografici in forma digitale.Il principale ambito di produzione dei dati digitali prodotti dagli abitanti anche attraverso la cartografia è l'urbano.Infatti, la complessità dell'urbano necessita di nuove fonti di rilevamento per essere indagata e compresa.Jacques Lévy, che da anni riflette sulle città milionarie, individua nell'urbanità, ovvero nella qualità urbana di un dato spazio, l'aspetto da indagare nelle sue declinazioni di diversità e densità (Lévy, 1994).In particolare, l'urbanità può essere indagata mediante un'analisi a priori e a posteriori (Lussault, 2003, pp.966-967): la prima stabilisce il grado potenziale di performance funzionale ed è misurabile da indicatori di densità e diversità di edifici, infrastrutture, abitanti, attività commerciali, e altro; l'analisi a posteriori permette di misurare l'attualizzazione di tale potenzialità analizzando nello spazio e nel tempo le pratiche e le azioni che si realizzano.Quest'ultima analisi sta diventando sempre più rilevante nell'ambito della mobilità, della pianificazione urbana e potrebbe portare a misurare lo scarto tra infrastrutture presenti e bisogni degli abitanti (Beaude, 2015, pp.283-285).In tal senso, i Big Geo-Data diventano una nuova fonte per affrontare la misurazione dell'urbanità a posteriori: il monitoraggio della città in tempo reale permette di conoscere e dunque gestire alcuni fenomeni e prendere delle decisioni utili a migliorare la vita degli abitanti, così come a gestire situazioni di emergenza, in cui gli individui possono partecipare attivamente alla gestione dei soccorsi grazie alla loro conoscenza diretta del territorio.Non solamente le metropoli, ma anche le medio-piccole città, stanno investendo nelle infrastrutture digitali necessarie per ottenere una diffusione sempre più alta di internet ad alta velocità (anche mediante hot-spot wi-fi) e un sistema di sensori che raccoglie dati relativi ai diversi settori della pianificazione urbana (traffico urbano, inquinamento, gestione dei rifiuti, turismo, ecc.) (Batty, 2013).La rivoluzione dei Big Geo-Data rivolti alla governance urbana è la loro geolocalizzazione unita all'aspetto temporale.Infatti, grazie ai sensori localizzati nei diversi punti della città è possibile monitorare flussi continui di dati, con l'obiettivo di indirizzare gli interventi diretti sul territorio.Si tratta di piattaforme correlate a fonti multiple di big data: dai sensori fissi e mobili presenti in città, ai siti delle società di gestione del trasporto pubblico, ai sistemi di mapping collaborativo, ai siti di media e testate giornalistiche.Oltre ai big data, le piattaforme digitali hanno mostrato le loro potenzialità, ma anche criticità, specialmente durante e a seguito della pandemia, cambiando radicalmente il modo in cui le città sono modellate, abitate, praticate, immaginate e governate (Celata e Certomà, 2022, pp.1-2).Inoltre, il fenomeno di democratizzazione delle tecnologie del Geoweb 2.0 è all'origine di un importante cambiamento di paradigma: si è passati dalla produzione di informazione geografica basata sull'inchiesta, a quella collaborativa e, successivamente, a quella volontaria (VGI -Volunteered Geographic Information).L'irruzione delle tecnologie informatiche e la nuova prospettiva legata alla governance portano a considerare la metamorfosi della figura dell'interprete prodotta dalla cartografia collaborativa: il cartografo è costituito da una pluralità di individui, professionali e non, istituzionali e non, che partecipano alla costruzione della carta e il destinatario ha un profilo ibrido e assume un'inedita capacità di interazione e di intervento cartografico (Burini, 2022, pp.73-74).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,010
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,006
Études des sciences et des technologies0,0030,008
Communication savante0,0170,015
Science ouverte0,0020,008
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0150,002

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.

Tête enseignante Opus0,069
Tête enseignante GPT0,295
Écart entre enseignants0,226 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAisberg (University of Bergamo)Même sujetHER2/EGFR in Cancer ResearchTravaux en français237 207