What Can We Do to Improve Urban Goods Movement Data Collection in Canada? Findings of the TAC Project on the Framework for the Collection of High Quality Data on Urban Goods Movement
Notice bibliographique
Résumé
Urban goods movement contributes significantly to a region's economic development and wellbeing. However, much less attention is paid to this contribution, and to goods movement's impact on urban transportation problems and solutions, than to passenger movement. Related to this is the relative paucity of data that characterize urban goods movement. To this end, in 2006 the Transportation Association of Canada (TAC) initiated a project that aims to develop a framework for collecting urban goods movement data. The work was divided into two phases. Phase 1, completed in late 2007, reviewed existing data sources and identified needs as expressed in the literature. Phase 2 was initiated in late 2008. It administered a user needs survey to Canadian governments, participants in the supply chain and selected academics and others who are involved with urban goods data. Phase 2 also followed up with some recent developments in Canada and overseas, in order to develop the final study product: [a] a framework for collecting high quality urban goods data, and [b] a strategy for implementing the framework. This paper reports on the key findings of Phase 2, specifically, the framework and the strategy for implementing it. The paper also identifies immediate, relatively low-cost actions that could do much to improve the state of urban goods movement data quickly and broadly.
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 | 0,091 | 0,162 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,014 | 0,038 |
| Études des sciences et des technologies | 0,018 | 0,007 |
| Communication savante | 0,019 | 0,010 |
| Science ouverte | 0,006 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».