L’inventaire du patrimoine ferroviaire à l’échelle du département de la Seine-Saint-Denis : l’exemple de la Grande Ceinture
Bibliographic record
Abstract
L’inventaire du patrimoine ferroviaire de la ligne de Grande Ceinture a été commandé par le département de la Seine-Saint-Denis au Centre de documentation d’histoire des techniques et de l’environnement (CNAM). Le commanditaire et l’auteur principal de l’étude exposent le contexte de la recherche, ses conditions et ses résultats.L’étude de l’urbanisation d’un territoire situé aux portes de Paris implique celle des voies de communication et des infrastructures de transports dont les emprises, très importantes, entretiennent des liens avec le territoire malgré les coupures urbaines qu’elles représentent.Patrimoine technique du système ferroviaire, patrimoine linéaire dans un territoire, patrimoine qui témoigne de l’identité du réseau qui dépasse le territoire, patrimoine urbain enfin, il doit être appréhendé dans toutes ces dimensions. Construite dans les années 1880, la ligne de Grande Ceinture, dans son parcours sur le territoire du département, a été choisie comme site pilote d’une étude plus large. Les remaniements en cours justifient également relevé de son patrimoine dans son état actuel. L’étude a permis l’établissement d’une fiche descriptive adaptée au patrimoine ferroviaire et d’un glossaire ; un relevé photographique a été réalisé.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.005 | 0.007 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 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".