Gestion du transport intersites : le secteur des services peut apprendre de celui de la santé
Bibliographic record
Abstract
La gestion du transport de matériel entre plusieurs sites d’une même organisation est un réservoir d’économies potentielles que plusieurs mésestiment dans le domaine des services. Cette situation s’explique par le fait que cette gestion est souvent décentralisée, ce qui ne permet pas d’avoir une vue d’ensemble de cette activité et du budget associé ainsi que des opportunités d’économies qui découleraient d’une vision plus holistique. À partir d’une série de cas provenant du milieu québécois de la santé, cet article étudie les pratiques de différents établissements et suggère une série de pratiques exemplaires, dont le développement d’un service centralisé de la gestion du transport qui pourrait entre autres aider à tracer le portrait financier lié à cette activité, la définition de processus de gestion du transport et de formulaires pour encadrer ce processus et l’optimisation des routes de transport. Ces pratiques sont applicables non seulement au secteur de la santé, mais également à plusieurs secteurs des services comme le secteur bancaire, les municipalités, les commissions scolaires, etc.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.007 | 0.005 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.020 | 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".