MétaCan
Menu
Retour à la cohorte
Enregistrement W3108159193 · doi:10.3917/lpe.005.0010

« Livraisons urbaines en vélos-cargos : le Low-Tech au service de la transition écologique des villes »

2020· article· fr· W3108159193 sur OpenAlexaboutno aff
Mickaël Brard

Notice bibliographique

RevueLa Pensée écologique · 2020
Typearticle
Languefr
DomaineEngineering
ThématiqueUrban and Freight Transport Logistics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceArt

Résumé

récupéré en direct d'OpenAlex

Dans un contexte de saturation des réseaux et de dépassement des seuils de pollutions atmosphériques, sonores et d’émission de GES, les villes et les transporteurs cherchent des solutions à la fois plus efficaces et plus écologiques pour répondre à l’explosion des besoins de livraison urbaine, portée notamment par l’essor du commerce en ligne. Âgé de plus d’un siècle, le vélo-cargo fait ainsi son grand retour dans la logistique urbaine, notamment à Montréal au Québec, en s’appuyant sur les dernières améliorations technologiques en matière de propulsion électrique et d’optimisation de tournées. Par sa capacité à détrôner le camion, cette solution « Low-Tech augmentée » se présente comme un levier pertinent pour repenser les flux de marchandises en ville dans une perspective de transformation écologique, tant au niveau des émissions de GES que de la meilleure cohabitation avec les modes de déplacements actifs et doux. Toutefois, en tant qu’outil au service de la consommation de masse, son usage présente un fort potentiel d’effet rebond. En effet, en résolvant les problèmes actuels du commerce en ligne, il l’encourage tout autant, ce qui constitue un redoutable paradoxe. Mais dans le contexte de la pandémie du printemps 2020 à Montréal, le vélo-cargo a su démontrer sa formidable flexibilité pour s’adapter aux nouveaux modes de consommation générés par la crise. Ce qui a fait de cet équipement de transport un des premiers outils de résilience urbaine.

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), Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,487
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,031
Tête enseignante GPT0,232
Écart entre enseignants0,201 · 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'étudeSimulation ou modélisation
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLa Pensée écologiqueMême sujetUrban and Freight Transport LogisticsTravaux en français237 207