OPEN DATA EN TRANSPORT URBAIN : QUELLES SONT LES DONNEES MISES A DISPOSITION ? QUELS SONT LES STRATEGIES DES AUTORITES ORGANISATRICES ?
Bibliographic record
Abstract
Les données relatives au transport et à la mobilité mises à disposition en open data sont variées. Quelles sont-elles ? Certaines données sont-elles plus représentées que d'autres ? Quelles sont les stratégies des autorités organisatrices lorsqu'elles mettent à disposition du public ces données ? L'étude proposée inventorie les données mises à disposition dans 6 villes: Paris, Londres, New York, Toronto, Madrid et Singapour. 4 types de données sont présentes dans les bases. La donnée temps réel est la plus rare, c'est aussi la plus recherchée. 3 stratégies d'acteurs se dégagent in fine : ceux qui mettent à disposition la donnée brute, ceux qui délivrent un premier niveau de service, par exemple du calcul d'itinéraire, et vendent une donnée élaborée. Enfin ceux qui investissent dans des projets pour prendre une partie de la valeur que peut générer les applications issues du traitement de ces données.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.007 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.007 | 0.010 |
| Open science | 0.009 | 0.005 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 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 teacher head, 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".