Notice bibliographique
Résumé
COVID-19 was an unprecedented global event that impacted people’s everyday lives and how cities function. To mitigate the spread of the virus, governments introduced a range of strict lockdown measures that limited non-essential activities or travel (Hale et al., 2021). These lockdown measures changed how and why people moved around their communities (FCM, 2020a). Over the spring and summer of 2020, many cities observed a decrease in automobile traffic and public transit ridership (StatsCan, 2020), while weekday cycling decreased by 10% but weekend cycling increased by 34% (Eco-Counter, 2020). In response to these changing mobility patterns, cities implemented street reallocation measures such as widening sidewalks, pop-up bike lanes, and either completely or partially closing streets to automobile traffic (FCM, 2020a). This study explores how and why Canadian cities implemented street reallocation measures, and what decision-makers can learn from this experience. City officials and active transportation advocates from ten Canadian cities participated in in-depth, semi-structured interviews to uncover street reallocation responses and motivations, decision-making processes, and lessons. Results revealed five overarching themes that led to stronger responses: evidence-informed decisions, capitalizing on existing plans and policies, drawing from internal experience, strong leadership, and collaborating with community groups. Lessons include: 1) how this experience informs future urban planning, 2) the benefits of street reallocation, 3) an opportunity to try new ideas, 4) seeing the city as adaptable, and 5) focus on equity and mobility justice. Research findings also emphasize the importance of studying the COVID-19 pandemic as a case study for emergency preparedness and structural governance changes. By drawing on these lessons, decision-makers and practitioners can ensure our cities are more resilient in the future
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 | 0,005 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,054 | 0,020 |
| Communication savante | 0,011 | 0,004 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».