Cracks in the Sidewalk: Tactics and discourses driving the “smart city” development of Quayside
Notice bibliographique
Résumé
Many nations have begun implementing “smart city” initiatives, however Canada is at a more nascent and therefore critical phase. In late 2017, Waterfront Toronto and Sidewalk Labs (a sister company of Google) partnered on a joint venture to create a new “smart city” development called Quayside. As Toronto and other global metropolises move towards becoming increasingly “connected”, the promises of smart cities are beginning to give way to problematic realities. This research project explored the ethical and socio-economic implications of “smart” technologies and discourses. Specifically, it questioned how issues of equity and inclusion are approached by smart city discourses, and how the narratives are being utilized in the pursuit of legitimizing smart urbanism. By examining the proposal for Quayside, the research examined a case study of an emerging smart city development, revealing four themes: 1) the spectrum of visibility, 2) the myth of neutrality, 3) the inclusive techno utopia, and 4) the rise of technocolonialism. These four themes outline the discourse and tactics Sidewalk Labs has utilized in pushing forward an agenda of smart urbanism. The findings show that smart cities have the potential to exacerbate the inequity which already exist in cities, even reaching to a new wave of technocolonization. For equity seeking groups such as people of colour and those with low income, who have historically been the target of state scrutiny, violence and colonization, living in a smart city may carry the risk of becoming more vulnerable. What happens when one doesn’t fit into the techno utopia depicted in Sidewalk’s MIDP? This project is intended for those working to craft digital governance policy within municipalities, urban planners engaging in smart urbanism projects, and non-profit organizations seeking to understand how smart cities may affect equity-seeking populations. In light of these findings, they can make a difference in fostering a more equitable society.
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 | 0,007 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,019 | 0,046 |
| Communication savante | 0,011 | 0,010 |
| Science ouverte | 0,001 | 0,011 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».