The Role of Language in the Use of Public Spaces in Montréal
Bibliographic record
Abstract
Afin de positionner Montréal comme centre d’activités internationales du Canada, la ville a besoin de créer des espaces publics qui sont accueillants pour les personnes dont la langue maternelle n’est pas la langue nationale. Toutefois, malgré la présence d’une population significative de locuteurs de langues non dominants et non officielles, la diversité linguistique ne semble pas être une priorité dans les politiques urbaines de Montréal. Le but de cette recherche est de comprendre la relation entre la langue et l’utilisation des espaces publics à Montréal. Cette recherche répond à trois questions : Quels sont les principaux espaces publics accueillants et peu accueillants à Montréal pour les populations multiculturelles? Quels sont les éléments sociaux et spatiaux qui évoquent des espaces publics accueillants et peu accueillants? Et quelles sont les leçons à tirer en matière de conception d’espaces pour un public au profil linguistique et culturel diversifiés? Plusieurs méthodes ont été utilisées, notamment un sondage mené auprès de vingt élèves de français langue seconde, des visites terrain, et une analyse documentaire sur le paysage linguistique, le comportement du milieu et la planification urbaine multilingue. Les résultats montrent que la langue n’est pas le seul facteur qui affecte la façon dont les personnes utilisent les espaces publics. D’autres éléments sociaux et spatiaux tels que l’accessibilité, l’entretien, la sécurité, l’inclusion et la tolérance, déterminent si un espace est perçu comme accueillant ou non. Les résultats indiquent également que les gens dans les espaces considérés comme accueillants sont plus enclins à utiliser leur langue maternelle pour les interactions sociales occasionnelles avec des étrangers et des connaissances, alors que cela ne se produit pas dans les espaces peu accueillants. En identifiant la localisation et les caractéristiques des espaces accueillants et peu accueillants, il est possible d’identifier la congruence entre l’aménagement et les actions récurrentes dans les espaces publics, spécialement dans ceux qui sont fréquentés par les personnes dont la langue maternelle n’est pas la langue nationale. Ces résultats aideront les chercheurs et les professionnels à mieux comprendre la relation entre la langue et l’utilisation de l’espace public dans une ville multiculturelle.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.012 | 0.007 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.019 | 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".