La gouvernance métropolitaine du transport collectif dans la région montréalaise : le cas du SRB Pie-IX
Bibliographic record
Abstract
Montréal parle de disposer d’un service rapide par bus depuis une dizaine années. En 2015, les travaux pour réaliser le premier tronçon du projet appelé le SRB Pie-IX commencent à peine. Comment justifier des délais de réalisation de plusieurs années alors que d’autres villes y arrivent en moins de 3 ans? Plusieurs élus et organismes de Montréal dénoncent une problématique de gouvernance du transport collectif. Seulement, il n’est pas évident de saisir la signification de ce concept si souvent invoqué pour justifier, entre autres, les difficultés de la métropole à faire naître des projets métropolitains de transport collectif. Certains évoquent la responsabilité du gouvernement, d’autres avancent la mauvaise répartition des rôles et responsabilités ou encore déplorent le trop grand nombre d’intervenants dans la région métropolitaine. La gouvernance est un concept à la fois flou et complexe qui cherche à établir la bonne conduite des affaires publiques comme celle de la gestion métropolitaine du transport collectif. Cependant, le système de transport collectif fait intervenir une multitude de parties prenantes aux intérêts contradictoires. La « bonne gouvernance » serait d’établir une collaboration fructueuse qui dépasse les limites institutionnalisées des intervenants pour réaliser des projets d’envergure métropolitaine, comme le SRB Pie-IX.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.008 | 0.003 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.019 | 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".