Les villes comme agents : simulation des futurs possibles du système urbain européen
Bibliographic record
Abstract
L’approche systémique pour modéliser la dynamique des systèmes de villes est ancienne. Le concept d’auto-organisation et le formalisme des équations différentielles ont donné lieu à de nombreuses applications dans les années 1980. La simulation agent ouvre de nouvelles perspectives dans ce champ. L’objectif de cet article est d’abord de discuter des registres et du niveau d’explication qui sont mobilisés pour rendre compte des différentiels de croissance des villes. Il s’agit ensuite de montrer l’intérêt d’une approche agent pour formaliser des hypothèses au niveau méso-géographique des villes. Après un bref état de l’art sur le concept de systèmes de villes et les modèles spatio-temporels associés, le modèle EuroSim formalisé avec un système multi-agents est présenté. Celui-ci permet de simuler l’évolution des villes européennes entre 1950 et 2050 en testant différents scénarios relatifs à l’ouverture des frontières vers l’immigration non européenne et à l’existence ou non de barrières économiques internes.
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) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".