Le rôle de la lumière dans l'aménagement urbain : le cas de la Piste des Carrières à Montréal
Bibliographic record
Abstract
La présence de la lumière est essentielle pour tout organisme. Cette dernière a non seulement des effets sur notre comportement, mais aussi sur l’espace dans lequel nous déambulons. Bien que Montréal se situe à la même latitude que Bordeaux et Venise, par ses conditions climatiques et saisonnières spécifiques, elle est caractérisée comme une ville nordique. L’objet de ma recherche porte sur le rôle que joue la lumière dans la revitalisation des espaces urbains et comment elle affecte la perception et l’expérience d’un lieu. Nous avons choisi d’étudier le cas la Piste des Carrières de Montréal. Ce chemin multifonctionnel s’étend sur 3,2 km dans le quartier de Rosemont–La Petite-Patrie. La piste est arpentée chaque jour par des cyclistes, des promeneurs, des joggeurs et même des skieurs de fond qui côtoient le patrimoine industriel montréalais été comme hiver. Cet interstice tant utilisé pendant la journée est délaissé une fois la nuit tombée. La piste des Carrières devient impraticable, car non éclairée. La noirceur crée une ambiance d’insécurité et le chemin devient très difficile à traverser. Pour comprendre les différents enjeux autour de cette piste, l’approche phénoménologique a été choisie. La recherche se base d’une part sur les concepts développés par Maurice Merleau-Ponty : l’objet, son rapport au corps, la couleur et la perception. D’autre part, elle se base sur le concept de recherche à la première personne de David Seamon. Ces derniers ont permis de recueillir des données sous forme de journal de bord, de cartographie et de créer une page Facebook destinée aux échanges et aux commentaires autour de la Piste des Carrières. Les observations faites ont permis d’étudier la piste, son environnement, mais aussi l’usage qu’en font les riverains. Les différentes analyses ont permis de regrouper des moments plus ou moins marquants de la piste : les entrées et les sorties, les espaces de circulation et les espaces multifonctionnels. Une bonne compréhension de l’expérience de ces espaces permettra un meilleur développement de l’aménagement lumineux de la piste.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.006 | 0.004 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".