Notice bibliographique
Résumé
L’accélération de l’urbanisation a renforcé le rôle des grandes villes, ou régions métropolitaines. À l’heure actuelle, plus de la moitié de la population totale de l’OCDE (53 %) vit dans des régions essentiellement urbaines et la zone de l’OCDE compte 78 régions métropolitaines d’au moins 1.5 million d’habitants, qui tendent à concentrer une importante part des activités économiques nationales. C’est ainsi que Budapest, Séoul, Copenhague, Dublin, Helsinki, Randstad-Holland et Bruxelles représentent près de la moitié du PIB national. De la même manière, Toronto, Montréal et Vancouver au Canada sont à l’origine de la moitié ou plus du produit de leurs provinces respectives. En Norvège, en Nouvelle-Zélande et en République tchèque, un tiers ou plus de la production provient de grandes régions métropolitaines (Oslo, Auckland et Prague). Au Royaume-Uni, en Suède, au Japon et en France, près de 30 % du PIB national est assuré par Londres (31.6 %), Stockholm (31.5 %), Tokyo (30.4 %) et Paris (27.9 %) respectivement. Mais, fait plus important, la plupart des régions métropolitaines de l’OCDE ont un PIB par habitant supérieur à la moyenne nationale (66 régions métropolitaines sur 78), un niveau de productivité de la main-d’oeuvre supérieur (65 sur 78) et nombre d’entre elles affichent des taux de croissance supérieurs à la moyenne de leur pays.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,470 | 0,263 |
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 ».