Bibliographic record
Abstract
Un grand nombre d’aménagements urbains de l’espace public cherche à « pacifier » le trafic automobile afin d’améliorer le cadre de vie (moins de bruit, moins de pollution), de mieux partager la rue entre les différents usagers et surtout d’assurer un bon niveau de sécurité pour les plus vulnérables. C’est le cas des zones 30, une pratique largement développée dans les villes françaises. La question que pose cet article est la suivante. En réduisant la vitesse et le trafic automobile, ces aménagements répondent aussi aux enjeux du transport durable qui vise, entre autres, à promouvoir la marche à pied. Qu’en est-il au sujet plus spécifique de la mobilité des enfants, dont nous savons qu’elle se caractérise pour l’essentiel par une faible part de déplacement autonome et une dépendance marquée à l’automobilisme ? Autrement dit, la mise en zone 30 d’un quartier permet-elle une mobilité plus autonome des enfants et une plus grande pratique de la marche à pied ? Pour y répondre, une série d’observations non participantes a été menée dans différents sites en zone 30 à Paris.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.017 | 0.002 |
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".