Évaluation de la marchabilité de trois environnements urbains de la région métropolitaine montréalaise à partir de l’outil MAPPA
Bibliographic record
Abstract
La marche se pose désormais comme une priorité de santé publique et en aménagement. En outre, on souhaite l’inclure en combinaison avec d’autres modes de transports. Marcher n’est pas toujours possible ou agréable, ni réaliste selon les différents environnements fréquentés. Certains territoires peuvent être qualifiés à priori de peu « marchables » comme la banlieue, alors que d’autres répondent au postulat voulant que les quartiers centraux soient plus favorables aux déplacements à pieds. En explorant le concept de « marchabilité » et en utilisant l’outil MAPPA (Marchabilité pour les personnes agées), nous évaluerons dans cette étude trois quartiers résidentiels de la région métropolitaine de Montréal après avoir construit une typologie classant les segments de la rue selon leur potentiel de marche. Ces trois secteurs urbains ont été choisis en fonction des différentes phases économiques qui se sont succédées historiquement au Québec : 1) Vieux-Rosemont – ancien quartier ouvrier; 2) Duvernay–Laval – banlieue d’après-guerre; 3) Bois-Franc–Arrondissement Saint-Laurent – nouvel urbanisme. Dans un quartier ouvrier d’avant l’ère automobile, la marchabilité est élevée et les destinations de proximité sont nombreuses. En banlieue, le potentiel piétonnier n’est pas aussi faible que ce que nous avons supposé. La forme urbaine développée autour de la voiture propose une bonne marchabilité, qui est cependant essentiellement locale et ludique. Dans le quartier du nouvel urbanisme, la vaste majorité des rues offrent un excellent potentiel piétonnier. Les segments de rue les moins favorables sont cependant ceux menant à des aménités. Ainsi, une bonne marchabilité prévue « sur le papier » ne suffit pas sans la planification de mixité et de diversité fonctionnelles.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 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) | 0.004 | 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".