Notice bibliographique
Résumé
8 car sharing, 213 Autolib, 213 Avoid-Shift-Improve (ASI), 153À4 BahnCard, 25, 189 Barcelona public bicycle rental system, 6À7 Barclaycard Cycle Hire, 161 Belgium car sharing, 209À10 Bicycle sharing, 150À1, 155À6, 160À1, 163, 180, 189 bicycle rental systems, 6, 7, 160, 161 Call a Bike, 160, 161 electric bikes (e-bikes), 161, 170, 171 France, 7, 161 free-floating, 160 Germany, 160, 163, 189 integrated services see Integrated e-mobility services mobile internet and, 173À4 Multicity Carsharing, 189 Netherlands, 160 number of bicycles, 161, 162 number of programmes, 162 Seoul, 161 Shanghai, 161 United Kingdom, 161 United States, 161 ve´lo'v, 161 see also Cycling Blablacar, 160 BMW DriveNow, 157, 159, 163, 189 Built environment children's travel modes and, 45À6, 51, 61, 68À9 Bus services age of users, 95, 103 competitive tendering, 97À8, 100 gender of users, 95, 102À3 Malta see Malta modal shift, 96À7, 100 quality European Committee for Standardisation, 96, 102 Malta, 100, 105À7, 108À10, 111 service reforms, 97À8 Malta, 93À4, 100À14 see also Public transport Call a Bike, 160, 161 Canada car sharing, 159, 210 Cancer, 2 Car ownership, 150, 171 car sharing compared, 165À70 costs, 208 developing countries, 155 environmental impacts, 152À3 impact of car sharing, 158, 209À10, 211 increase in, 152, 154À5 Israel, 70 United States, 209 see also Car use Car pooling see Ride sharing Car sharing, 150À1, 154, 155, 156À9, 161, 164, 180, 189, 205À25 Australia, 213 Autolib, 213 Belgium, 209À10 business members, 208, 209, 215, 216 Canada, 159, 210 car ownership compared, 165À70 Car2Go, 153, 154, 157, 159, 163, 189, 213 characterization of systems, 212À14 City CarShare, 209 CO 2 emissions, 206, 211, 218, 219, 221 cost-effectiveness, 208À9, 222À3, 224 DriveNow, 157, 159, 163, 189 eConnect project, Osnabru¨ck, 165À70, 172 electric cars (e-cars), 154, 170À1, 213À14 see also Integrated e-mobility services energy consumption, 206, 207, 211, 216, 218, 219, 221, 223 France, 157, 158, 197, 198, 200 fuel efficiency, 211 Germany, 154, 159, 163, 209, 210, 211, 213 greenhouse gases (GHG), 211 Hertz on demand, 213 I-Go Car Share, 209 impacts, 208À12 on car ownership, 158, 209À10, 211 on kilometers traveled, 210, 211 on transport usage, 210 individual members, 208, 210, 215, 216 Ireland, 211 kilometers travelled and, 210, 211 literature, 158 MobCarsharing, Lisbon, 209, 214À25 mobile internet and, 173À4 Multicity Carsharing, 154, 157, 159, 163, 189 Netherlands, 154, 210 parking and, 211, 212, 157, 180 Portugal, 209, 214À25
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,012 | 0,008 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,703 | 0,726 |
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 ».