Conception et développement d'une application de navigation pour le déplacement multimodal accessible des personnes en fauteuil roulant
Bibliographic record
Abstract
La mobilité des personnes en fauteuil roulant (PFR) joue un rôle crucial pour leur participation sociale. Cependant, l'accès au service de transport en commun présente un défi de taille pour ces personnes en raison de divers obstacles physiques et sociaux qu'elles peuvent rencontrer lors de leurs déplacements en utilisant le transport en commun comme le manque des parcours ou arrêts de bus accessibles. Au cours des dernières années, la mise au point de technologies d'aide technique s'est développée progressivement pour permettre aux PFR d'améliorer leur qualité de vie. En particulier, ces technologies offrent une variété de fonctionnalités et de solutions qui permettent à ces personnes de surmonter divers obstacles qui réduisent leur déplacement et leur inclusion sociale. De ce fait, de nombreux projets ont été créés, comme Streetco ou Evelity en France. Au Canada, le projet multidisciplinaire MobiliSIG a été lancé en 2013. Ce dernier vise à concevoir et développer des technologies géospatiales de navigation selon les principes de la conception cognitive pour assister les PFR dans leurs déplacements quotidiens et leur accès à l'environnement. Ce projet vise à offrir un itinéraire personnalisé et adapté au profil des utilisateurs pour offrir un transport multimodal accessible. Cependant, ce service peut connaitre divers enjeux étant donné l'accessibilité à tous les parcours et arrêts de bus, l'intégration de la conception sans obstacle selon les principes de conception universelle. Dans ce projet, nous avons proposé une approche basée sur la personnalisation de l'itinéraire tout en identifiant les facteurs socio-environnementaux affectant l'accessibilité du transport en commun. Cette approche permet de planifier un déplacement multimodal adapté en appuyant sur un algorithme de routage qui prend en considération l'indice de l'accessibilité des itinéraires. Nous avons conçu et développé de nouvelles fonctionnalités pour une application web (MobiliSIG) permettant la planification d'itinéraire multimodal personnalisé selon les profils des personnes en fauteuil roulant. Finalement quelques scénarios ont été testés pour des fins de validation de l'application dans la ville de Québec.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 0.004 |
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".