La simulation de conduite : méthode prédictive de la vitesse adoptée sur la route par de jeunes conducteurs masculins
Notice bibliographique
Résumé
Ce mmoire de matrise a ncessit l'aide prcieuse de plusieurs personnes.L'auteure aimerait exprimer sa reconnaissance son directeur de recherche, Jacques Bergeron, Ph.D., pour son soutien et son enthousiasme lors de la ralisation de cette tude.La conception et la ralisation de ce projet n'auraient jamais t possibles sans le concours de deux amis fidles qui y ont investi beaucoup de temps et d'efforts.Jean-Pierre Bdard, dtenteur d'un baccalaurat en psychologie et instructeur de conduite depuis une quinzaine d'armes, a contribu la conception du test routier.Il a permis l'association avec une cole de conduite pour l'utilisation d'un vhicule et a supervis toutes les sances de tests sur la route.De plus, sa contribution la rvision du texte en franais a permis d'en faciliter grandement la comprhension.Les nombreuses conversations avec Thomas Brown, Ph.D., ses conseils judicieux ainsi que sa participation l'adaptation de l'article en anglais furent trs apprcis.Plusieurs personnes ont contribu la ralisation pratique de cette tude.Martin Brosseau, instructeur de conduite et propritaire de l'cole de conduite Virgo, a fourni un vhicule de son cole en faisant preuve de disponibilit et de gnrosit.Martin Paquette, M.Sc., et Carl L'Archevque, ingnieur informatique au Dpartement de psychologie, ont enseign l'auteure la cration de scnarios de simulation de conduite et ont fourni une aide technique tout au long de la prparation de Pexprimentation et de son droulement.Daniel Harding a contribu la conception graphique de l'affiche de recrutement des participants.Ce mmoire a t ralis grce la participation financire du Fonds pour la Formation de Chercheurs et l'Aide la Recherche (FCAR), du
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».