MétaCan
Menu
← Retour à la cohorte
Enregistrement W2790611461

Will Peak Travel Observed in Northern Cities Occur in the South ? Case studies in France and Mexico

2013· preprint· en· W2790611461 sur OpenAlexaboutno aff
Irving Tapia Villareal, Yves Bussière, Jimmy Armoogum, Jean Loup Madre

Notice bibliographique

RevueHAL (Le Centre pour la Communication Scientifique Directe) · 2013
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTRIPS architectureGeographyRecessionEconomic geographyPopulationDemographyTransport engineeringEconomicsSociologyEngineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In most developed countries urban mobility and car traffic have stagnated since the early 2000s. In France, various data sources show that the trend can be attributed primarily to people living in large urban areas: trips have become less frequent (with unbroken workdays) and less exclusively taken by car (as more young adults adopt multimodal behaviours), and car ownership is decreasing in denser areas, and to a lesser extent, in suburbs. Does this levelling-off of traffic suggest that the saturation point is near? Is this a structural phenomenon (population ageing, etc.) or a cyclical one linked to rising and volatile fuel prices and the recession? We shall explore these issues in the light of data collected in the Urban Areas of Montreal and Lille, and then move on to a comparison with two Mexican cities, Ciudad Juarez on the northern border of Mexico where the level of motorization is high compared to Puebla, our second Mexican case study, where motorization is still low. To each city we apply demographic based projections models in order to consider the extent to which, and in what timeframe, the trends observed in developed cities could spread southward to the emerging economies.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,386
Score d'incertitude au seuil0,768

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,051
Tête enseignante GPT0,286
Écart entre enseignants0,235 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHAL (Le Centre pour la Communication Scientifique Directe)→Même sujetUrban Transport and Accessibility→Travaux en français237 207→