Notice bibliographique
Résumé
Canada and the United States exchange the world's highest level of bilateral trade, valued at $1.4 billion a day. Two-thirds of this trade travels on trucks. Heavy Traffic examines the way in which the regulatory reform of American and Canadian trucking, coupled with free trade, has internationalized this vital industry. Before deregulation, restrictive entry rules had fostered two separate national highway transportation markets, and most international traffic had to be exchanged at the border. When the United States deregulated first, the imbalance between its opened market and Canada’s still-restricted one produced a surprisingly difficult bilateral dispute. American deregulation was motivated by domestic incentives, but the subsequent Canadian deregulation blended domestic incentives with transborder rate comparisons and concerns about trade competitiveness. Daniel Madar shows that deregulation created a de facto regime of free trade in trucking services. Removing regulatory barriers has enabled Canadian and American carriers to follow the expansion of transborder traffic that began with the Canada–US Free Trade Agreement and continues with NAFTA. The services available with deregulated trucking have also supported sweeping changes in industrial logistics. As transborder traffic has surged, the two countries’ carriers – from billion-dollar corporations to family firms – have exploited the latitude provided by deregulation. This book is a valuable contribution to our understanding of the policy processes and economic conditions that led to trucking deregulation. As a study in public policy formation and the international effects of reform, it will be of interest to students and scholars of political economy, international relations, and transportation.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».