Analyse spatiale des conflits urbains
Bibliographic record
Abstract
Cette étude exploratoire des conflits urbains de la région de Québec entre 1990 et 2000 montre que la fréquence des conflits est plus élevée dans les secteurs où, d’une part, la densité de commerces de quartier est la plus forte et le tissu urbain plus ancien et, d’autre part, où la population est la plus scolarisée et dispose d’un horaire de travail flexible. Cette étude confirme ainsi que certains cadres urbains sont plus susceptibles que d’autres de générer des conflits et que certains groupes sont plus disposés à s’y engager. Elle montre aussi que ces relations sont sensiblement les mêmes, quel que soit le type d’enjeux défendus par les protagonistes de ces conflits. Deux exceptions sont toutefois à relever. Tout d’abord, les conflits liés à des enjeux environnementaux montrent parfois des relations différentes avec les variables caractérisant les lieux de conflits (indépendamment du niveau d’éducation et le type de profession). Ensuite, alors que la densité de population n’a dans l’ensemble pas d’influence sur l’émergence des conflits, on observe tout de même que dans les secteurs où la population est la plus dense, les conflits liés à des enjeux de transports ou des enjeux sociaux sont plus nombreux
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.005 | 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".