MétaCan
Menu
Retour à la cohorte
Enregistrement W3021214627 · doi:10.17118/11143/18897

La loi fondamentale de la congestion routière et l’efficacité des interventions publiques visant à réduire la congestion

2019· article· fr· W3021214627 sur OpenAlexaffvenueabout
Fanny Tremblay‐Racicot

Notice bibliographique

Revue˜Le œclimatoscope · 2019
Typearticle
Languefr
DomaineBusiness, Management and Accounting
ThématiqueTransport and Economic Policies
Établissements canadiensÉcole Nationale d'Administration Publique
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceMedicinePhilosophy

Résumé

récupéré en direct d'OpenAlex

Au cours d’un séjour de recherche chez nos voisins du Sud, je me suis étonnée d’entendre un responsable de la planification des transports d’une grande métropole américaine affirmer que la congestion routière n’était pas un problème car celle-ci représenterait un indice de la vitalité économique de la région. Selon d’autres intervenants, la congestion constituerait un faux problème, car le réseau routier serait conçu pour absorber le pic de trafic à l’heure de pointe du matin; ne pas avoir de congestion à l’heure de pointe signifierait que le réseau routier est en surcapacité. Pourtant, les coûts environnementaux, sociaux et économiques liés à la congestion routière sont bien réels et ceux-ci affectent quotidiennement la santé, la qualité de vie et le portefeuille des québécois. Pourquoi et comment réduire la congestion routière? Ce texte présente les impacts de la congestion et explique les fondements scientifiques de la notion contre-intuitive de la demande induite en transports en vertu de laquelle une augmentation de la capacité routière ne fait qu’accroître le trafic. Il aborde également l’efficacité des mesures visant à réduire la congestion, notamment la tarification, les transports collectifs, le covoiturage, l’électrification du parc automobile et l’aménagement du territoire. Une réflexion sur le rôle de la science dans les choix d’investissements et sur la prise de la décision basée sur les données probantes est offerte en guise de conclusion.

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), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,559
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)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,003
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,017
Tête enseignante GPT0,274
Écart entre enseignants0,256 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
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

Citations2
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revue˜Le œclimatoscopeMême sujetTransport and Economic PoliciesTravaux en français237 207