MétaCan
Menu
Retour à la cohorte
Enregistrement W2971428932 · doi:10.33017/reveciperu2007.0004/

LOS DESAFÍOS CONFRONTADOS POR LOS PROYECTOS CONVENCIONALES DE TRANSPORTE Y EL POTENCIAL DE LOS SISTEMAS INTELIGENTES DE TRANSPORTE PARA UNA CIUDAD EN DESARROLLO, LIMA, PERÚ

2019· article· es· W2971428932 sur OpenAlexaff
Manuel Martínez

Notice bibliographique

RevueRevista ECIPeru · 2019
Typearticle
Languees
DomaineEconomics, Econometrics and Finance
ThématiqueBusiness, Innovation, and Economy
Établissements canadiensMinistère des Transports
Organismes subventionnairesnon disponible
Mots-clésComputer scienceBusinessTransport engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

LOS DESAFÍOS CONFRONTADOS POR LOS PROYECTOS CONVENCIONALES DE TRANSPORTE Y EL POTENCIAL DE LOS SISTEMAS INTELIGENTES DE TRANSPORTE PARA UNA CIUDAD EN DESARROLLO, LIMA, PERÚ CHALLENGES TO CONVENTIONAL TRANSPORTATION PROJECTS AND THE POTENTIAL FOR INTELLIGENT TRANSPORTATION SYSTEMS IN A DEVELOPING CITY, LIMA, PERU Manuel J. Martíneza DOI: https://doi.org/10.33017/RevECIPeru2007.0004/ RESUMEN Este artículo examina los desafíos que encuentran los proyectos convencionales de transporte urbano cuando se implementan durante el proceso de motorización de Lima. Como solución potencial, se recomienda que se priorice la investigación y desarrollo de los Sistemas Inteligentes de Transporte para Lima. Palabras clave: Sistemas Inteligentes de Transporte, Telecomunicaciones, Transporte Urbano, Política de Transporte Urbano. ABSTRACT This paper presents the challenges to the implementation of conventional transportation projects in developing cities with motorization process and recommends research in Intelligent Transportation Systems. Keywords: Intelligent Transportation Systems, Telecommunications, Urban Transportation, Urban Transportation Policy.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,056
Score d'incertitude au seuil0,112

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0040,003
Communication savante0,0050,003
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,022
Tête enseignante GPT0,249
Écart entre enseignants0,227 · 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'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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista ECIPeruMême sujetBusiness, Innovation, and EconomyTravaux en français237 207