Centre dedocumentation
scientifique

Decolonizing world heritage maps using indigenous toponyms, stories, and interpretive attributes / Mark Palmer in Cartographica, vol 55 n° 3 (Fall 2020)  

Public [article]  inCartographica > vol 55 n° 3 (Fall 2020) . - pp 183 - 192 Titre : Decolonizing world heritage maps using indigenous toponyms, stories, and interpretive attributes Type de document : Article/Communication Auteurs : Mark Palmer, Auteur ; Cadey Korson, Auteur Année de publication : 2020 Article en page(s) : pp 183 - 192 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Toponymie [Termes descripteurs IGN] Australie [Termes descripteurs IGN] Canada [Termes descripteurs IGN] carte administrative [Termes descripteurs IGN] Etats-Unis [Termes descripteurs IGN] ethnologie [Termes descripteurs IGN] histoire [Termes descripteurs IGN] Nouvelle-Zélande [Termes descripteurs IGN] patrimoine culturel [Termes descripteurs IGN] post-colonialisme [Termes descripteurs IGN] représentation géographique [Termes descripteurs IGN] système d'information géographique [Termes descripteurs IGN] toponymie locale Résumé : (auteur) Maps and GIS used for the nomination and subsequent management of UNESCO World Heritage sites have primarily served bureaucratic resource management purposes. However, bureaucratic maps offer an opportunity to represent associative cultural landscapes, intangible cultural elements, and the geographies of Indigenous peoples. Indigenous toponyms can be found on many World Heritage maps for sites located within settler societies such as New Zealand, Australia, the United States, and Canada. Currently, bureaucratic heritage maps do not emphasize or even have a method for presenting the meaning and significance of Indigenous toponyms. Instead, the names are represented as static, inanimate objects void of meaning. This article presents archival evidence that bureaucratic state maps found within some UNESCO World Heritage nomination dossiers and resource management plans contain Indigenous cartographic elements that Indigenous communities could use as the basis for creating Indigital story maps. Numéro de notice : A2020-604 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3138/cart-2019-0014 date de publication en ligne : 30/09/2020 En ligne : https://doi.org/10.3138/cart-2019-0014 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95961 [article]

Making the Coming Home Map / Margaret W. Pearce in Cartographica, vol 55 n° 3 (Fall 2020)  

Public [article]  inCartographica > vol 55 n° 3 (Fall 2020) . - pp 170 - 176 Titre : Making the Coming Home Map Type de document : Article/Communication Auteurs : Margaret W. Pearce, Auteur ; Stephen J. Hornsby, Auteur Année de publication : 2020 Article en page(s) : pp 170 - 176 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Cartographie [Termes descripteurs IGN] Canada [Termes descripteurs IGN] cartographie historique [Termes descripteurs IGN] colonisation [Termes descripteurs IGN] conception cartographique [Termes descripteurs IGN] histoire [Termes descripteurs IGN] représentation cartographique [Termes descripteurs IGN] toponymie locale Résumé : (auteur) To mark Canada 150, the Canadian-American Center at the University of Maine released a new map, Coming Home to Indigenous Place Names in Canada. The map is intended to honour Indigenous place names in Canada and the assertion of Indigenous authority through place naming. It was made possible by permissions and contributions from First Nation, Métis, and Inuit communities, organizations, and language speakers. In this article, we explain how and why this map came to be made at the Canadian-American Center. We examine the methods we used to request and include place names and how this process in turn informed the design of the visual language of the map. Numéro de notice : A2020-603 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3138/cart-2019-0012 date de publication en ligne : 30/09/2020 En ligne : https://doi.org/10.3138/cart-2019-0012 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95958 [article]

A name‐led approach to profile urban places based on geotagged Twitter data / Juntao Lai in Transactions in GIS, Vol 24 n° 4 (August 2020)  

Public [article]  inTransactions in GIS > Vol 24 n° 4 (August 2020) . - 22 p. Titre : A name‐led approach to profile urban places based on geotagged Twitter data Type de document : Article/Communication Auteurs : Juntao Lai, Auteur ; Guy Lansley, Auteur ; James Haworth, Auteur ; Tao Cheng, Auteur Année de publication : 2020 Article en page(s) : 22 p. Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique web [Termes descripteurs IGN] analyse spatiale [Termes descripteurs IGN] approche participative [Termes descripteurs IGN] données localisées [Termes descripteurs IGN] données localisées des bénévoles [Termes descripteurs IGN] espace urbain [Termes descripteurs IGN] Londres [Termes descripteurs IGN] point d'intérêt [Termes descripteurs IGN] réseau social [Termes descripteurs IGN] site urbain [Termes descripteurs IGN] toponyme [Termes descripteurs IGN] Twitter Résumé : (auteur) Place is a concept that is fundamental to how we orientate and communicate space in our everyday lives. Crowdsourced social media data present a valuable opportunity to develop bottom‐up inferences of places that are integral to social activities and settings. Conventional location‐led approaches use a predefined spatial unit to associate data and space with places, which cannot capture the richness of urban places (i.e., spatial extents and their dynamic functions). This article develops a name‐led framework to overcome these limitations in using social media data to study urban places. The framework first derives place names from georeferenced Twitter data combining text mining and spatial point pattern analysis, then estimates the spatial extents by spatial clustering, and further extracts their dynamic functions with time, which makes up a complete place profile. The framework is tested on a case study in Camden Borough, London and the results are evaluated through comparisons to the Foursquare point of interest data. This name‐led approach enables the shift from space‐based analysis to place‐based analysis of urban space. Numéro de notice : A2020-670 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/SOCIETE NUMERIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1111/tgis.12599 date de publication en ligne : 05/12/2019 En ligne : https://doi.org/10.1111/tgis.12599 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96155 [article]

Predictive land value modelling in Guatemala City using a geostatistical approach and Space Syntax / Jose Morales in International journal of geographical information science IJGIS, vol 34 n° 7 (July 2020)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 34 n° 7 (July 2020) . - pp 1451 - 1474 Titre : Predictive land value modelling in Guatemala City using a geostatistical approach and Space Syntax Type de document : Article/Communication Auteurs : Jose Morales, Auteur ; Alfred Stein, Auteur ; Johannes Flacke, Auteur ; Jaap Zevenbergen, Auteur Année de publication : 2020 Article en page(s) : pp 1451 - 1474 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes descripteurs IGN] analyse de la valeur [Termes descripteurs IGN] analyse syntaxique [Termes descripteurs IGN] cartographie statistique [Termes descripteurs IGN] estimation quantitative [Termes descripteurs IGN] évaluation foncière [Termes descripteurs IGN] géostatistique [Termes descripteurs IGN] Guatemala [Termes descripteurs IGN] krigeage [Termes descripteurs IGN] méthode du maximum de vraisemblance (estimation) [Termes descripteurs IGN] modèle conceptuel de données localisées [Termes descripteurs IGN] modèle de simulation [Termes descripteurs IGN] régression [Termes descripteurs IGN] système d'information foncière Résumé : (auteur) Spatial information of land values is fundamental for planners and policy makers. Individual appraisals are costly, explaining the need for predictive modelling. Recent work has investigated using Space Syntax to analyse urban access and explain land values. However, the spatial dependence of urban land markets has not been addressed in such studies. Further, the selection of meaningful variables is commonly conducted under non-spatialized modelling conditions. The objective of this paper is to construct a land value map using a geostatistical approach using Space Syntax and a spatialized variable selection. The methodology is applied in Guatemala City. We used an existing dataset of residential land value appraisals and accessibility metrics. Regression-kriging was used to conduct variable selection and derive a model for spatial prediction. The prediction accuracy is compared with a multivariate regression. The results show that a spatialized variable selection yields a more parsimonious model with higher prediction accuracy. New insights were found on how Space Syntax explains land value variability when also modelling the spatial dependence. Space Syntax can contribute with relevant spatialized information for predictive land value modelling purposes. Finally, the spatial modelling framework facilitates the production of spatial information of land values that is relevant for planning practice. Numéro de notice : A2020-306 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2020.1725014 date de publication en ligne : 11/02/2020 En ligne : https://doi.org/10.1080/13658816.2020.1725014 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95148 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
079-2020071	SL	Revue	Centre de documentation	Revues en salle	Disponible

GeoNat v1.0: A dataset for natural feature mapping with artificial intelligence and supervised learning / Samantha T. Arundel in Transactions in GIS, Vol 24 n° 3 (June 2020)  

Public [article]  inTransactions in GIS > Vol 24 n° 3 (June 2020) . - pp 556 - 572 Titre : GeoNat v1.0: A dataset for natural feature mapping with artificial intelligence and supervised learning Type de document : Article/Communication Auteurs : Samantha T. Arundel, Auteur ; Wenwen Li, Auteur ; Sizhe Wang, Auteur Année de publication : 2020 Article en page(s) : pp 556 - 572 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Intelligence artificielle [Termes descripteurs IGN] apprentissage automatique [Termes descripteurs IGN] apprentissage dirigé [Termes descripteurs IGN] cartographie topographique [Termes descripteurs IGN] classification par réseau neuronal convolutif [Termes descripteurs IGN] collecte de données [Termes descripteurs IGN] détection automatique [Termes descripteurs IGN] détection d'objet [Termes descripteurs IGN] géoétiquetage [Termes descripteurs IGN] toponyme [Termes descripteurs IGN] United States Geological Survey Résumé : (Auteur) Machine learning allows “the machine” to deduce the complex and sometimes unrecognized rules governing spatial systems, particularly topographic mapping, by exposing it to the end product. Often, the obstacle to this approach is the acquisition of many good and labeled training examples of the desired result. Such is the case with most types of natural features. To address such limitations, this research introduces GeoNat v1.0, a natural feature dataset, used to support artificial intelligence‐based mapping and automated detection of natural features under a supervised learning paradigm. The dataset was created by randomly selecting points from the U.S. Geological Survey’s Geographic Names Information System and includes approximately 200 examples each of 10 classes of natural features. Resulting data were tested in an object‐detection problem using a region‐based convolutional neural network. The object‐detection tests resulted in a 62% mean average precision as baseline results. Major challenges in developing training data in the geospatial domain, such as scale and geographical representativeness, are addressed in this article. We hope that the resulting dataset will be useful for a variety of applications and shed light on training data collection and labeling in the geospatial artificial intelligence domain. Numéro de notice : A2020-245 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/INFORMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1111/tgis.12633 date de publication en ligne : 08/05/2020 En ligne : https://doi.org/10.1111/tgis.12633 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95307 [article]

NeuroTPR: A neuro‐net toponym recognition model for extracting locations from social media messages / Jimin Wang in Transactions in GIS, Vol 24 n° 3 (June 2020)  

Permalink

How much do we learn from addresses? On the syntax, semantics and pragmatics of addressing systems / Ali Javidaneh in ISPRS International journal of geo-information, vol 9 n° 5 (May 2020)  

Permalink

A deep learning architecture for semantic address matching / Yue Lin in International journal of geographical information science IJGIS, vol 34 n° 3 (March 2020)  

Permalink

A framework for extracting urban functional regions based on multiprototype word embeddings using points-of-interest data / Sheng Hu in Computers, Environment and Urban Systems, vol 80 (March 2020)  

Permalink

The Place Names of French Guiana in the Face of the Geoweb: Between Data Sovereignty, Indigenous Knowledge, and Cartographic Deregulation / Matthieu Noucher in Cartographica, vol 55 n° 1 (Spring 2020)  

Permalink

Semantic relatedness algorithm for keyword sets of geographic metadata / Zugang Chen in Cartography and Geographic Information Science, vol 47 n° 2 (February 2020)  

Permalink

Interactive display of surnames distributions in historic and contemporary Great Britain / Justin Van Dijk in Journal of maps, vol 16 n° 1 ([02/01/2020])  

Permalink

Comparing supervised learning algorithms for Spatial Nominal Entity recognition / Amine Medad (2020)  

Permalink

Extraction de connaissances pour la description de l'environnement maritime côtier à partir de textes d'aide à la navigation / Léa Lamotte in Revue des Nouvelles Technologies de l'Information, E.36 (2020)

Permalink

Les mots clés de la lettre de motivation / Tristan Boulic-Palewski (2020) 

Permalink