MétaCan
Menu
Retour à la cohorte
Enregistrement W2908838564

L’appropriation locale de la grande vitesse ferroviaire en Europe

2012· article· fr· W2908838564 sur OpenAlexaff
Sylvie Delmer, Valérie Facchinetti-Mannone, Philippe Ménerault, Cyprien Richer

Notice bibliographique

RevueLillOA (Université de Lille (University Of Lille)) · 2012
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueFrench Urban and Social Studies
Établissements canadiensCenter for Northern Studies
Organismes subventionnairesnon disponible
Mots-clésLocale (computer software)HumanitiesEnvironmental scienceComputer scienceArtOperating system
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Cet article s’interesse a « l’appropriation locale » de la grande vitesse ferroviaire, c’est a dire a la capacite des acteurs locaux et regionaux a inflechir l’inscription spatiale des LGV concues a une echelle plus large (nationale et europeenne). La methodologie s’appuie sur trois dimensions issues de l’analyse des reseaux –la morphologie, la topologie et le service–, completees par l’observation des projets urbains. La configuration spatiale du reseau ainsi decrite, est comprise comme le resultat de l'expression d'un ensemble de pouvoirs qui temoigne de differents modes d’appropriation territoriale de la grande vitesse. Les reflexions portent sur quatre agglomerations en position intermediaire sur les liaisons a grande vitesse : Lille et Nancy-Metz en France, Anvers en Belgique et Saragosse en Espagne. Ces espaces d'intermediation entre metropoles a forte visibilite internationale, se trouve face a un enjeu commun de positionnement sur un reseau qui, par nature, accentue la differenciation spatiale. Cette contribution identifie des trajectoires differenciees d’appropriation de la grande vitesse ferroviaire qui incite a privilegier la definition de cadres d'analyses permettant de faire ressortir les singularites locales plutot que la recherche de loi d'organisation de l'espace.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,784
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,002
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
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 Opus0,011
Tête enseignante GPT0,195
Écart entre enseignants0,184 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLillOA (Université de Lille (University Of Lille))Même sujetFrench Urban and Social StudiesTravaux en français237 207