News and Social Media as Performance Indicators for Public Involvement in Transportation Planning: Eglinton Crosstown Project in Toronto, Canada
Notice bibliographique
Résumé
A variety of communication channels and outreach tools are in use by Public Involvement (PI) programs in transportation planning and construction. Several metrics and measures are traditionally used to evaluate the performance of such programs and to measure their level of success in achieving their pre-defined goals. These metrics are mainly quantitative, attempting to connect the success of PI to the outreach size. However, the prevalence of modern techniques, particularly tools offered by Social Web in PI practices, is adding a new dimension to the definition of success for such programs. Evaluating such practices calls for a better understanding of the and meaning of communicated content rather than quantity of participants or communication installments. Based on this philosophy, the current paper introduces computational linguistic and semantic analysis as methods to process the content and crystallize the core topics discussed. Methods benchmarked from information retrieval are used to make sense of the content of public meetings discussions. Two parallel resources including online social media (Twitter), and news (online and offline newspapers) are then used to enhance the evaluation process. The Eglinton Crosstown transit project in Toronto is used as a case study in this paper. The project presents an interesting case in which a major design change was made due to public consultations. The objective of this paper is to use results from the analysis of content to highlight trends that may have been among factors causing the decision change. By focusing on changes in technical and social aspects of discussions before and after the decision change, the authors investigate how the changes relate to public needs announced through multiple channels.
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 | 0,010 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».