Entre contraintes et innovation : évolutions de la mobilité quotidienne dans les villes d’Afrique subsaharienne
Bibliographic record
Abstract
Comment se déplace-t-on au quotidien dans les villes africaines, dans un contexte de pauvreté très prégnant et quelles stratégies d’adaptation est-on amené à développer ? Loin d’une mobilité uniformément faible, des enquêtes auprès des ménages mettent en évidence des mobilités, certes contraintes et parfois contrariées, mais également très diverses selon les villes et les individus. Des usages des modes originaux se développent, objets d’adaptations et d’innovations permanentes du côté de l’offre comme de la demande de déplacements. La grande plasticité de l’offre de transport artisanale et en particulier l’essor des motos-taxis dans plusieurs villes comme le partage relatif de l’usage d’un bien rare, la voiture particulière, qui permet d’élargir le cercle de ses bénéficiaires occasionnels bien au-delà de son détenteur, témoignent du double mouvement de mise en commun des véhicules individuels et d’individualisation des modes collectifs. En conclusion, les apports mais aussi les limites, notamment environnementales, de ces évolutions, amènent à questionner les politiques urbaines nécessaires pour réguler et organiser les mobilités quotidiennes.
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 | 0.003 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.013 | 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".