Breaking the stigma : impact of urban AI on citizens’ mental health
Bibliographic record
Abstract
L’utilisation de l’IA dans les villes, notamment au Canada, connaît un essor croissant. Les institutions publiques et privées intègrent des technologies alimentées par l’IA dans de nombreux aspects de la planification urbaine, à un rythme alarmant. Bien que des études scientifiques suggèrent que l’IA peut provoquer de l’anxiété et de la peur, les chercheurs n’ont pas encore étudié comment l’utilisation accrue de l’IA dans les villes pourrait affecter le bien-être mental des citoyens. Alors que de nombreuses personnes souffrent déjà de troubles mentaux, l’IA déployée dans les environnements urbains pourrait engendrer une pression supplémentaire, voire, être un élément aggravant pour leur santé mentale. Afin de combler cette lacune, cette étude vise à explorer les risques, mais aussi les opportunités, que représente l’IA urbaine pour le bien-être mental des citoyens. En prenant Montréal (Canada) comme contexte, cette recherche s’appuie sur une enquête en ligne (n=70) qui examine le niveau de confort des citoyens vis-à-vis de l’utilisation des technologies d’IA dans les espaces publics. Des entretiens semi-dirigés (n=8) ont aussi été réalisés avec des citoyens diagnostiqués de dépression et/ou d’anxiété), afin de mieux comprendre leurs besoins urbains et leur perception de l’IA. Six observations majeures ont été identifiées : (1) L’IA déployée dans les espaces publics suscite des réactions différentes auprès des participants en fonction de la technologie utilisée et de son emplacement (2) L’inconfort vis-à-vis de l’utilisation de l’IA urbaine s’explique majoritairement par la méfiance des participants envers leur gouvernement, ainsi que par les risques de l’IA associés à leur vie privée (et spatiale) (3) Les participants préfèrent l’utilisation de l’IA dans les ruelles et sur les routes, en comparaison à d’autres espaces urbains (4) Il y a une adhésion notable à l’utilisation de l’IA urbaine pour renforcer la sécurité dans les espaces publics (5) Les données relatives à l'état psychologique constituent le type d'information personnelle le plus sensible et stigmatisé (6) La localisation des nuisances sonores (provoquées par les travaux de construction, les voitures et les passants), l’architecture esthétiquement agréable, la verdure et les rassemblements; peut favoriser la lutte contre la dépression et l’anxiété à Montréal. Ainsi, ces résultats méritent d’être pris en considération lors du développement de systèmes d’IA urbaine contextuels et centrés sur l’humain, afin de privilégier la restauration mentale en milieu urbain.
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 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.010 | 0.007 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.008 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 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".