Le métro de Montréal et son financement : entre surenchère de gouvernance et déficit de gouverne
Bibliographic record
Abstract
Le métro de Montréal constitue l’épine dorsale du réseau de transport collectif de la grande région métropolitaine. Sa contribution aux ambitions de développement durable et de décongestion de la région montréalaise est cruciale. Les règles de gouvernance auxquelles il est soumis peuvent favoriser ou inhiber son bon fonctionnement et son développement optimal. Or, une analyse fine des règles de gouvernance du métro de Montréal révèle que le dédale inextricable qui la caractérise ne peut conduire qu’à l’impotence, nonobstant la meilleure volonté de ses principaux acteurs. Il va de soi qu’un système aussi avancé que le métro, inséré dans une organisation municipale aussi complexe que celle de la région montréalaise, ne peut se caractériser par la simplicité. Est-il par ailleurs nécessaire d’exacerber à outrance chacun des volets de la gouvernance du métro, que ce soit pour sa planification, son fonctionnement ou son financement ? Les modes d’organisation, de contrôle et d’exercice des pouvoirs et des compétences en matière de financement des activités et des infrastructures du métro de Montréal sont si éclatés et dysfonctionnels que nul ne saurait dire si cette importante infrastructure est à caractère local, régional, métropolitain ou provincial.
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 | 0.003 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.012 | 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".