Les transports dans la région Mauricie-Bois-Francs : facteur de désenclavement ou de dépendance?
Bibliographic record
Abstract
Le but de cet article est d'évaluer le rôle des réseaux de transport dans l'organisation et la dynamique de l'espace régional de la Mauricie - Bois-Francs. Après un bref examen des facteurs historiques ayant contribué au développement du transport dans la région, il est question de révolution des réseaux de transport en Mauricie et dans les Bois-Francs au cours des vingt dernières années. L'hypothèse de base de l'article est que les transports ont contribué à accentuer la dépendance de la région par rapport aux principaux centres décisionnels de l'économie canadienne et nord-américaine, et ce aux dépens d'une politique économique qui réponde aux aspirations de la région en matière de développement. Une véritable politique d'aménagement du territoire, dont les transports auraient constitué l'un des fondements essentiels, serait cependant en contradiction avec le renforcement du pouvoir économique dominant au Québec. Or ce dernier a réussi à faire imposer une politique de développement des transports et d'aménagement du territoire centrée sur la région administrative de Montréal afin de compenser la domination croissante de l'économie québécoise et canadienne par les intérêts financiers sud-ontariens et américains.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.000 |
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".