Audit de marchabilité : une étude comparative entre Montréal et Lille
Notice bibliographique
Résumé
En France comme au Québec, les déplacements à pied constituent une part importante de la mobilité quotidienne en milieu urbain dense, et plus particulièrement chez les personnes âgées. Longtemps délaissé au profit de l'automobile, ce mode de transport, non polluant et bénéfique pour la santé, est aujourd'hui revalorisé dans les politiques urbaines. Face au vieillissement généralisé de la population, la prise en compte des personnes âgées dans ces politiques représente un important enjeu puisque la mobilité à l'extérieur du domicile constitue un présupposé du « bien vieillir ». Or, le trafic véhiculaire et l'aménagement des rues peuvent affecter la mobilité des personnes âgées et ainsi amener les plus vulnérables à limiter leurs sorties. Qu'en est-il donc de la convivialité des espaces urbains et de leur potentiel de marche en toute sécurité du point de vue des aînés? C'est cette question générale qui est au coeur du projet MAPISE (Marche à pied chez les séniors), financé par le Programme français de recherche et d'innovation dans les transports terrestres (PREDIT) et regroupant, autour de compétences spécialisées en sécurité routière, en géographie, en aménagement et en psychologie, des chercheurs de la France et du Québec. L'objectif de ce chapitre est de présenter l'outil de marchabilité élaboré dans le cadre du projet sous la forme d'une analyse comparée de quatre quartiers périphériques et centraux de Lille (France) et de Montréal (Québec).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,014 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 source (Gemma direct ou Codex distillé), 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 ».