Streets for All: Navigating Equity in the Built Environment of Montreal
Bibliographic record
Abstract
"PROBLÉMATIQUE Les rues sont le type d’espace public le plus répandu dans les villes. Elles jouent un rôle important dans la formation des paysages urbains et le maintien de la vie urbaine. Grâce à la conception de rues, les villes peuvent soutenir des quartiers dynamiques et inclusifs qui répondent aux divers besoins de leurs résidents. Cependant, pour que les villes prospèrent avec des quartiers de haute qualité, les urbanistes, les designeurs urbains et les politiciens doivent tenir compte d’une plus grande équité sociale et spatiale dans la planification du paysage des rues. Les caractéristiques de petite échelle des rues telles que les arbres, les bancs et les trottoirs peuvent considérablement améliorer l’attrait des paysages urbains, rendant les environnements bâtis plus agréables pour les piétons, les cyclistes et les résidents (Carlson et al., 2019). À Montréal, malgré un objectif articulé visant à l’amélioration de l’environnement bâti, il manque des interventions spécifiques dans les rues pour promouvoir l’équité à travers la conception urbaine. Notre recherche vise à déterminer si des variations à petite échelle existent parmi les rues de typologies similaires dans divers quartiers socio-économiques de Montréal. La question directrice est: Toutes les rues sont-elles créées équitablement? La version abrégée de l’outil Microscale Audit of Pedestrian Streetscapes (MAPS-Mini) a été utilisée pour examiner ces caractéristiques essentielles à la création d’environnements bâtis de haute qualité (Cain et al., 2015). Les évaluations ont été réalisées en utilisant Google Street View et des visites de sites en personne pour assurer une analyse exhaustive et valider l’efficacité de l’outil à travers différentes méthodologies et contextes urbains. CONSTATS Des disparités significatives existent dans la qualité de l’environnement bâti des rues de divers quartiers socio-économiques. Malgré des typologies et des caractéristiques identiques, les rues des quartiers à faible revenu présentent généralement une mauvaise qualité environnementale, soulignant que toutes les rues ne sont pas toujours créées égales à Montréal. Cette tendance est particulièrement évidente dans les quartiers de densité moyenne et élevée. En même temps, l’évaluation globale indique que la plupart des rues à Montréal nécessitent plus d’attention pour des améliorations. Des éléments de design urbain supplémentaires sont nécessaires sur toutes l’île, car moins d’un tiers des rues évaluées sont considérées comme ayant des environnements bâtis de haute qualité. RECOMMANDATIONS Aborder les disparités dans l’environnement bâti est essentiel pour créer des communautés équitables, saines et vivables. À Montréal, une attention particulière devrait être portée à l’amélioration de la qualité des rues, notamment dans les quartiers à faible revenu. Ainsi, des recommandations de design incluent : 1. Développer des cadres d’équité incluant l’engagement communautaire Accroître les processus de planification participative pour garantir que les besoins, les préférences et les préoccupations de divers habitants sont adéquatement pris en compte dans les décisions de conception urbaine. 2. Améliorer les commodités de transport actif Améliorer l’infrastructure piétonne et cycliste à travers différentes mesures telles que des trottoirs élargis, des pistes cyclables protégées et un meilleur éclairage de rue pour renforcer la sécurité et l’accessibilité, surtout dans les quartiers à faible revenu. Inclure plusieurs mesures d’apaisement de la circulation sur les rues locales pour réduire efficacement la vitesse des voitures. Augmenter la verdure dans les rues et les parcs publics adjacents pour créer des espaces plus esthétiques et stimulants qui peuvent favoriser un sentiment d’appartenance pour les résidents. 3. Assurer des évaluations et un entretien des rues continus Vérifier périodiquement la qualité des rues et assurer leur entretien régulier pour un maintien continu."@fre
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 | 0.001 | 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 | 0.008 | 0.003 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.020 | 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".