"For Better or Worse": Imagining Innovation in Smart City Municipal Design
Notice bibliographique
Résumé
The smart city concept recently (ca. 2010) emerged as a corporate-led system-as-a-service (SaaS) tool to meet city needs of accessibility and efficiency. I looked at three Western cities—Reykjavík, San José, and Toronto—to discover what it meant for city managers to meet municipal needs by embracing smart initiatives. Senior-level city managers, consultants, and technologists invoked vocabularies of smartness and innovation, adopting Internet of Things (IoT) and artificial intelligence (AI) as tools to facilitate human resource and service efficiency needs. I found persistent ambiguity in how city managers described and measured outcomes for city smartness. I also found stakeholders used smartness to participate in global knowledge sharing coalitions with public and private entities, amplifying negotiation potential, and producing values of prestige around novel technological innovation. In so doing, public and private stakeholders formed individual and organizational identities around technological innovation, creating invisible tensions between human resource and technology investments, characterized by celebration of innovation work to the detriment of maintenance labors. My findings inform ongoing scholarship by explaining how smart city technologists sold a discourse of innovation that was not entirely compatible with how cities bureaucratically functioned. Such distinction is important to communicate to scholarly audiences unfamiliar with techno-fetishisms, but familiar with urban management critiques. Moreover, my study opens paths to understanding how private interests influence municipal management through more obscured means.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».