Breaking the stigma : impact of urban AI on citizens’ mental health
Notice bibliographique
Résumé
L’utilisation de l’IA dans les villes, notamment au Canada, connaît un essor croissant. Les institutions publiques et privées intègrent des technologies alimentées par l’IA dans de nombreux aspects de la planification urbaine, à un rythme alarmant. Bien que des études scientifiques suggèrent que l’IA peut provoquer de l’anxiété et de la peur, les chercheurs n’ont pas encore étudié comment l’utilisation accrue de l’IA dans les villes pourrait affecter le bien-être mental des citoyens. Alors que de nombreuses personnes souffrent déjà de troubles mentaux, l’IA déployée dans les environnements urbains pourrait engendrer une pression supplémentaire, voire, être un élément aggravant pour leur santé mentale. Afin de combler cette lacune, cette étude vise à explorer les risques, mais aussi les opportunités, que représente l’IA urbaine pour le bien-être mental des citoyens. En prenant Montréal (Canada) comme contexte, cette recherche s’appuie sur une enquête en ligne (n=70) qui examine le niveau de confort des citoyens vis-à-vis de l’utilisation des technologies d’IA dans les espaces publics. Des entretiens semi-dirigés (n=8) ont aussi été réalisés avec des citoyens diagnostiqués de dépression et/ou d’anxiété), afin de mieux comprendre leurs besoins urbains et leur perception de l’IA. Six observations majeures ont été identifiées : (1) L’IA déployée dans les espaces publics suscite des réactions différentes auprès des participants en fonction de la technologie utilisée et de son emplacement (2) L’inconfort vis-à-vis de l’utilisation de l’IA urbaine s’explique majoritairement par la méfiance des participants envers leur gouvernement, ainsi que par les risques de l’IA associés à leur vie privée (et spatiale) (3) Les participants préfèrent l’utilisation de l’IA dans les ruelles et sur les routes, en comparaison à d’autres espaces urbains (4) Il y a une adhésion notable à l’utilisation de l’IA urbaine pour renforcer la sécurité dans les espaces publics (5) Les données relatives à l'état psychologique constituent le type d'information personnelle le plus sensible et stigmatisé (6) La localisation des nuisances sonores (provoquées par les travaux de construction, les voitures et les passants), l’architecture esthétiquement agréable, la verdure et les rassemblements; peut favoriser la lutte contre la dépression et l’anxiété à Montréal. Ainsi, ces résultats méritent d’être pris en considération lors du développement de systèmes d’IA urbaine contextuels et centrés sur l’humain, afin de privilégier la restauration mentale en milieu urbain.
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,010 | 0,007 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».