Abstract Social scientists, geographers, criminologists, and health scientists are often tasked with finding data to best capture the impact of “community context” on individual outcomes, including residential services, physical resources, and social institutions. One outlet for such data in Canada is Digital Map Technologies Inc. (DMTI) Spatial, which offers a national repository of over one million businesses and recreational points of interest. The database is generated through CanMap Streetfiles, which includes geocodes of each point's precise location. These data are available to researchers from their university data library and Esri Canada, but primarily available to private sector and government markets. That said, the goal of the current paper is to encourage researchers to access this rich yet under‐utilized data source. Each service, business, or resource in the DMTI Spatial database is assigned to a respective category using Standard Industrial Classification codes and North American Industrial Classification System codes. It is not clear, however, which is the more reliable coding criteria. We provide an overview of our review of DMTI Spatial data and take‐away suggestions for using this valuable resource for future research on meso‐level residential markers.
Key messages The goal of this paper is to outline existing data source(s) and measures from DMTI Spatial that might help capture meso‐level residential institutions. We recommend “best practices” for using DMTI Spatial data in researchers’ own work to capture neighbourhood resources/amenities, or the social infrastructure of the community using either Standard Industrial Classification codes or North American Industrial Classification System codes. We conclude that Standard Industrial Classification codes in DMTI Spatial enhanced points of interest data are more complete—and more accurate—than North American Industrial Classification System codes.
RÉSUMÉ Les chercheurs en sciences sociales et en santé, les géographes et les criminologues sont souvent chargés de trouver des données permettant bien de saisir les effets de milieux sur les caractéristiques individuelles. Au Canada, l'un des débouchés pour ces données est Digital Map Technologies Inc. (DMTI) Spatial, qui offre un référentiel national de plus d'un million d'entreprises et de points d'intérêt. La base de données est générée par CanMap Streetfiles, qui comprend les géocodes de l'emplacement précis de chaque lieu. Ces données sont disponibles pour les chercheurs à travers leur université et Esri Canada, mais elles sont principalement destinées aux marchés du secteur privé et du gouvernement. L'objectif du présent article est d'encourager les chercheurs à utiliser à cette source de données riche mais sous‐utilisée. Chaque service, entreprise ou ressource de la base de données DMTI Spatial est assigné à une catégorie respective à l'aide des codes de la Classification Industrielle Standard et du système de Classification Industrielle Nord‐Américain. Il n'est toutefois pas évident de dire quel est le critère de codification le plus fiable. Nous présentons une vue d'ensemble de notre examen des données de DMTI Spatial et proposons des suggestions pour l'utilisation de cette ressource précieuse dans le cadre de futures recherches sur les marqueurs résidentiels .