MétaCan
Menu
Retour à la cohorte
Enregistrement W609884583

Understanding and Promoting Multimodal Freight Transportation System Performance within Mega-Regions: Lessons from Great Lakes-Saint Lawrence Basin

2012· article· en· W609884583 sur OpenAlexaboutno aff
Marc‐André Roy, Mark Booth

Notice bibliographique

RevueTransportation Research Board 91st Annual MeetingTransportation Research Board · 2012
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueTransport and Economic Policies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWork (physics)Transport engineeringBusinessPopulationMultimodal transportRegional scienceEnvironmental planningEngineeringGeography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The Great Lakes Saint-Lawrence Basin (GLSLB) is a bi-national economic mega-region. It generates a disproportionate share of U.S. and Canadian economic activity and trade relative to its size and is home to a significant share of the two countries’ population. The region’s multimodal freight transportation system is essential to the economy of the region and beyond. The complexity of the GLSLB freight transportation system cannot be overstated. It spans all transportation modes, several jurisdictions, and handles a range of commodities, each with different transportation requirements. The authors are part of a team undertaking a study under the Transportation Research Board’s National Cooperative Freight Research Program (NCFRP) to describe the current multimodal freight transportation system within the GLSLB. This paper summarizes some of the key findings of this work. It explores the characteristics of this regional freight transportation system and its economic importance. This paper also explores the barriers and constraints to the effective performance of this system and the opportunities to improve it, particularly through the development of an effective model for future research, planning and policy development.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,125
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,001
Communication savante0,0010,006
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,133
Tête enseignante GPT0,324
Écart entre enseignants0,191 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransportation Research Board 91st Annual MeetingTransportation Research BoardMême sujetTransport and Economic PoliciesTravaux en français237 207