Étude de la dangerosité d'une courbe en section courante sur une autoroute
Bibliographic record
Abstract
REMERCIEMENTS L'auteur désire remercier, dans un premier temps, le professeur Karsten Baass pour son précieux encadrement tout au long de cette recherche et pour ces multiples discussions sur les grands fondements en circulation routière.Sa grande expérience combinée à la sagesse de ses réflexions aura été très profitable pour le développement académique de l'auteur.Des remerciements vont ensuite au professeur Robert Chapleau pour l'éveil qu'il a su susciter quant aux multiples approches et méthodes de travail possibles face à l'étude d'un sujet, défavorisant la paresse d'esprit.Des remerciements particuliers vont également à Patrick Barber de la Direction de la sécurité en transport du ministère des Transports du Québec pour son influence majeure dans le choix du sujet de la présente recherche ainsi que son constant soutien technique.Son dévouement pour le développement du domaine de la sécurité routière au Québec aura été exemplaire et très influent chez l'auteur.L'auteur est reconnaissant envers le Fonds québécois de la recherche sur la nature et les technologies, le ministère des Transports du Québec ainsi que le professeur Karsten Baass pour leur appui financier dans la réalisation du projet de recherche.L'auteur souhaite finalement remercier tous ses collègues du département de transport de l'École Polytechnique pour les nombreux échanges constructifs, sans oublier sa compagne, Stéphanie, pour sa présence, sa patience et son inestimable support.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".