Bibliographic record
Abstract
Plus récurrents chaque jour, les exemples pratiques de la ludification des villes nous présentent de nouvelles pratiques évoquant des enjeux importants qui méritent d’être approfondis. En nous référant aux études sur les jeux urbains des auteurs De Souza e Silva et Andrade ainsi que par le concept de ville à l’échelle humaine de Gehl, nous cherchons à comprendre de quelle manière les activités ludiques pratiquées dans les espaces urbains peuvent favoriser l’appropriation de ces espaces. Dans une approche qualitative d’étude de cas multiple, nous avons analysé comment s’accomplit ce processus à travers l’observation du déroulement de trois activités ludiques à Montréal. Analysant les données recueillies à l’occasion des parcours observés, des questionnaires et des entrevues, nous avons découvert les facteurs déterminants qui favorisent l’appropriation des espaces urbains. Nous avons aussi identifié d’autres phénomènes déclenchés : l’occupation des espaces urbains, la création de nouveaux souvenirs, l’encouragement de nouveaux comportements, la découverte et l’exploration de la ville, le changement de fonction et de perception des espaces et la valorisation des espaces urbains. D’ailleurs, nous avons vérifié que la narration a un rôle d’intensification de ces phénomènes, rendant les activités plus intéressantes, agréables et porteuses de sens. Nous avons donc conclu que certaines activités ludiques pratiquées dans les espaces urbains servent au développement de la ville à l’échelle humaine, contribuant à sa vivacité, sa sécurité, sa durabilité et sa santé. Elles ont également des effets positifs sur les participants, encourageant le vivre-ensemble, la sociabilité et les liens affectifs dans les espaces urbains.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.015 | 0.017 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 0.000 |
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".