Evaluation algorithmique inclusive de la qualité des espaces publics
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
L’intelligence artificielle (IA) offre de multiples possibilités pour une analyse des paysages urbains, mais elle ne permet pas le saisi de la diversité des points de vue et des appréciations différenciées et situées de la qualité de l’espace public. Pour le moment seules les approches ethnographiques classiques en sont capables. Soumettre la qualité de l’espace public au prisme de l’IA devient ainsi une démarche à explorer et à creuser. Le projet que nous avons développé puise ressource dans les enjeux préalablement assortis. Une IA est alors créée pour évaluer la qualité des espaces publics à partir d’un lot d’images représentatives de la richesse du paysage urbain Montréalais. L’approche suivie s’appuie sur les pensées de l’urbanisme participatif tout en s’adossant sur les opportunités offertes par l’IA. Cette proposition se focalise sur la mise en évidence de l’utilité et de la pertinence des approches IA pour concevoir la ville. Elle a pour objectif d’apporter une réponse concrète pour une meilleure qualification et une meilleure production d’un urbain inclusif.
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.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.007 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.004 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 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 it