L’évaluation des impacts d’un projet routier : l’utilité de l’aide multicritère à la décision
Bibliographic record
Abstract
Les méthodes traditionnellement utilisées pour comparer des variantes lors de la réalisation d'une étude d'impacts posent toutes le problème de l'agrégation des évaluations. Par ailleurs, les acteurs sociaux questionnent la transparence des méthodes et le nombre restreint d'options véritables analysées. Pour pallier ces carences et éviter les controverses, une approche multicritère d'aide à la décision a été conçue et appliquée à un projet ayant déjà fait l'objet de la procédure traditionnelle d'étude d'impacts et de médiation environnementale. L'accent a été mis sur l'élargissement des options à partir d'une analyse des enjeux soulevés par les acteurs et sur une procédure itérative d'agrégation des critères de performance, utilisant la méthode ELECTRE III d'aide multicritère à la décision. Cette méthode tient compte des systèmes de valeurs des acteurs (pondération des critères, seuils de préférence). Le cas étudié est celui du prolongement de l'autoroute 30 entre les autoroutes 10 et 20 dans la région de Montréal (Québec, Canada).
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 | 0.014 | 0.036 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 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".