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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».