Développement d'une application mobile adaptée à la navigation des personnes à mobilité réduite
Notice bibliographique
Résumé
Actuellement, l'usage d'un système d'aide à la navigation est devenu de plus en plus indispensable dans la vie quotidienne. Cependant, les systèmes existants ne sont pas adaptés à la navigation des personnes à mobilité réduite (PMR) utilisatrices d'un fauteuil roulant. De nombreux projets ont été créés, comme Wegoto en France ou Route4U en Hongrie. Au Canada, le projet multidisciplinaire MobiliSIG a été lancé en 2013. Ce projet vise à concevoir et développer des technologies géospatiales de navigation selon les principes de la conception cognitive pour assister les PMR dans leurs déplacements quotidiens et leur accès à l'environnement. L'objectif global du présent projet est la conception d'un système mobile de planification de trajet et de guidage pendant la navigation, multimodal et adapté aux différents profils de personnes à mobilité réduite utilisatrices de fauteuil roulant. Pour commencer, nous avons passé en revue la littérature relative aux concepts liés à notre problématique. Ensuite, nous avons proposé une approche d'aide à la navigation qui combine des éléments de guidage pas à pas avec des informations sur des repères ainsi que de différents éléments pertinents (points d'intérêts, obstacles/facilitateurs, ...) pour la description d'un trajet personnalisé et adapté au profil des PMR. Finalement, en nous appuyant sur les principes de la conception modulaire et sur le concept des applications mobiles riches (AMR), nous avons conçu et développé une solution mobile composée de trois modules : un module profil pour gérer le profil et les préférences de l'utilisateur, un module de planification qui gère la planification adaptée des itinéraires et un module de navigation pour fournir un guidage multimodal (visuel, vocal et haptique) pendant la navigation en tenant compte de profil de l'utilisateur.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,005 |
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 ».