Arrimer les compétences individuelles des personnes âgées et l’accessibilité des territoires de banlieue pour une mobilité durable
Bibliographic record
Abstract
La mobilité est souvent abordée comme une question de choix modal, s’attardant exclusivement aux motifs de déplacement, aux modes de transport et à leurs impacts sur l’environnement. Or, dans une approche de mobilité durable, il est tout aussi important d’évaluer la capacité des territoires à offrir de bonnes conditions d’accessibilité à tous. Ceci nous oblige à nous intéresser non seulement aux lieux auxquels l’individu souhaite avoir accès et aux caractéristiques physico-spatiales des territoires, mais aussi aux compétences individuelles que les gens peuvent mettre au profit de leur mobilité et qui évoluent suivant leur cycle de vie. Ainsi, les déplacements non réalisés peuvent parfois refléter une incompatibilité entre les capacités des individus et les caractéristiques physico-spatiales des territoires où ont lieu leurs projets de mobilité. Étant donné que, dans les années à venir, les banlieues de première couronne de la métropole montréalaise seront très touchées par le phénomène du vieillissement, nous pouvons d’ores et déjà prévoir un déclin des capacités individuelles mises à profit de la mobilité, notamment en ce qui concerne l’utilisation de l’automobile. Quelles stratégies les aînés devront-ils mettre de l’avant pour maintenir leurs projets de mobilité devant l’incapacité à conduire ? Ces territoires vieillissants pourront-ils répondre aux nouvelles capacités et aux nouveaux besoins de mobilité de leurs habitants ? En mettant de l’avant le lien entre mobilité, accessibilité et vieillissement, cet article souhaite contribuer à la réflexion entourant la capacité des territoires de banlieue à permettre une mobilité durable qui tienne compte des capacités de leur population vieillissante.
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 | 0.001 |
| Science and technology studies | 0.003 | 0.005 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.013 | 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".