Accumulation logistique dans la métropole parisienne : L’émergence de gestionnaires d’infrastructures privées en périphéries ?
Bibliographic record
Abstract
Le fort développement logistique, tout particulièrement au sein des pays du Nord, se traduit par l'accumulation d'entrepôts dans les territoires métropolitains (Hesse, 2008) tels que celui de Paris. Il nécessite la production d'espaces de grandes tailles, de grands entrepôts, très bien reliés aux réseaux autoroutiers. Le schéma traditionnel de l'implantation d'entreprises en zone d'activités peine de plus en plus à répondre à cette demande. En réponse un marché immobilier de l'entrepôt standardisé se structure. Cette offre immobilière prend notamment la forme de parcs logistiques : un complexe de plusieurs entrepôts directement embranchés sur une autoroute. Une même firme aménage, bâtit, possède, et gère ces parcs. Les entrepôts en tant que tels sont loués par cet acteur à des logisticiens. Au contraire des occupants des entrepôts, éphémères, ces parcs se veulent durables. Ils se fixent dans un territoire, le signalant comme logistique. De ce point de vue, ces lieux ne quittent-ils pas le monde de l'immobilier pour entrer dans celui des infrastructures ? Leurs gestionnaires ne deviennent-ils pas des opérateurs d'infrastructure privée ? Deviennent-ils de ce fait des acteurs de la gouvernance ou tout du moins de l'aménagement métropolitain ?
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 | 0.000 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.002 | 0.004 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.013 | 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".