Identifier, détecter et localiser les centralités économiques : une proposition inspirée de l’algorithme DBSCAN
Notice bibliographique
Résumé
En sciences régionales, la notion de centre(s) revêt une importance capitale pour plusieurs modèles théoriques et cadres conceptuels. Les dynamiques urbaines et locales ont conduit à une multiplication des centres rendant le polycentrisme la norme dans la plupart des aires métropolitaines. Or, la localisation du centre (ou des centres) est souvent postulée comme exogène, déterminée à l’avance. Elle s’avère souvent un intrant nécessaire afin d’identifier les multiples centres. Cette note de recherche propose de développer un algorithme permettant d’identifier, de détecter et de localiser les différents centres à partir d’une typologie issue de critères économiques (unités de logements et commerciales). Afin de présenter son implémentation, deux applications fictives sont développées. Une première sur une ville monocentrique, et une seconde sur une ville polycentrique. Une application empirique permet d’identifier et de localiser les centralités de 31 régions métropolitaines de recensement (RMR) et agglomérations de recensement (AR) du Québec à partir d’information sur les unités d’évaluation contenues dans les rôles d’évaluations municipaux.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 tête enseignante, 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 ».