Notice bibliographique
Résumé
The annul survey of rail projects by METRO magazine puts New Jersey Transit at the top of the funding list for U.S. and Canadian rail projects for 2009. It has $14.6 billion worth of projects. The total funding for the top 10 is $70 billion, with American Recovery and Reinvestment Act (ARRA) funds providing a large increase. New Jersey Transit’s showing displaces the perennial number one occupant, New York City Transit. This year it occupies the number two spot, with a little over $8.1 billion. Other notable changes in the rankings include Seattle’s Sound Transit, which is now fourth in spending, up from 8th. Denver’s Regional Transportation District (RTD) and the San Francisco Municipal Railway are three and five, respectively. New Jersey Transit is receiving $424 million under the ARRA. One of its largest undertakings is the Mass Transit Tunnel (MTT) project, which will produce two new trans-Hudson commuter rail tunnels and an expanded Penn Station. Across the survey, funding is up nearly $20 billion from 2008 and is the largest since 2004. The railcar fleet mix continues to be dominated by heavy rail, at 59 percent, and it appears that they will remain the vehicle of choice in the future. The MTA’s New York City Transit has the largest rail fleet, with 6,774 railcars, followed by Amtrak, with 1,545.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».