Streets for All: Navigating Equity in the Built Environment of Montreal
Notice bibliographique
Résumé
"PROBLÉMATIQUE Les rues sont le type d’espace public le plus répandu dans les villes. Elles jouent un rôle important dans la formation des paysages urbains et le maintien de la vie urbaine. Grâce à la conception de rues, les villes peuvent soutenir des quartiers dynamiques et inclusifs qui répondent aux divers besoins de leurs résidents. Cependant, pour que les villes prospèrent avec des quartiers de haute qualité, les urbanistes, les designeurs urbains et les politiciens doivent tenir compte d’une plus grande équité sociale et spatiale dans la planification du paysage des rues. Les caractéristiques de petite échelle des rues telles que les arbres, les bancs et les trottoirs peuvent considérablement améliorer l’attrait des paysages urbains, rendant les environnements bâtis plus agréables pour les piétons, les cyclistes et les résidents (Carlson et al., 2019). À Montréal, malgré un objectif articulé visant à l’amélioration de l’environnement bâti, il manque des interventions spécifiques dans les rues pour promouvoir l’équité à travers la conception urbaine. Notre recherche vise à déterminer si des variations à petite échelle existent parmi les rues de typologies similaires dans divers quartiers socio-économiques de Montréal. La question directrice est: Toutes les rues sont-elles créées équitablement? La version abrégée de l’outil Microscale Audit of Pedestrian Streetscapes (MAPS-Mini) a été utilisée pour examiner ces caractéristiques essentielles à la création d’environnements bâtis de haute qualité (Cain et al., 2015). Les évaluations ont été réalisées en utilisant Google Street View et des visites de sites en personne pour assurer une analyse exhaustive et valider l’efficacité de l’outil à travers différentes méthodologies et contextes urbains. CONSTATS Des disparités significatives existent dans la qualité de l’environnement bâti des rues de divers quartiers socio-économiques. Malgré des typologies et des caractéristiques identiques, les rues des quartiers à faible revenu présentent généralement une mauvaise qualité environnementale, soulignant que toutes les rues ne sont pas toujours créées égales à Montréal. Cette tendance est particulièrement évidente dans les quartiers de densité moyenne et élevée. En même temps, l’évaluation globale indique que la plupart des rues à Montréal nécessitent plus d’attention pour des améliorations. Des éléments de design urbain supplémentaires sont nécessaires sur toutes l’île, car moins d’un tiers des rues évaluées sont considérées comme ayant des environnements bâtis de haute qualité. RECOMMANDATIONS Aborder les disparités dans l’environnement bâti est essentiel pour créer des communautés équitables, saines et vivables. À Montréal, une attention particulière devrait être portée à l’amélioration de la qualité des rues, notamment dans les quartiers à faible revenu. Ainsi, des recommandations de design incluent : 1. Développer des cadres d’équité incluant l’engagement communautaire Accroître les processus de planification participative pour garantir que les besoins, les préférences et les préoccupations de divers habitants sont adéquatement pris en compte dans les décisions de conception urbaine. 2. Améliorer les commodités de transport actif Améliorer l’infrastructure piétonne et cycliste à travers différentes mesures telles que des trottoirs élargis, des pistes cyclables protégées et un meilleur éclairage de rue pour renforcer la sécurité et l’accessibilité, surtout dans les quartiers à faible revenu. Inclure plusieurs mesures d’apaisement de la circulation sur les rues locales pour réduire efficacement la vitesse des voitures. Augmenter la verdure dans les rues et les parcs publics adjacents pour créer des espaces plus esthétiques et stimulants qui peuvent favoriser un sentiment d’appartenance pour les résidents. 3. Assurer des évaluations et un entretien des rues continus Vérifier périodiquement la qualité des rues et assurer leur entretien régulier pour un maintien continu."@fre
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 | 0,001 | 0,002 |
| 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 | 0,008 | 0,003 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 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 ».