Audit de marchabilité : une étude comparative entre Montréal et Lille
Bibliographic record
Abstract
En France comme au Québec, les déplacements à pied constituent une part importante de la mobilité quotidienne en milieu urbain dense, et plus particulièrement chez les personnes âgées. Longtemps délaissé au profit de l'automobile, ce mode de transport, non polluant et bénéfique pour la santé, est aujourd'hui revalorisé dans les politiques urbaines. Face au vieillissement généralisé de la population, la prise en compte des personnes âgées dans ces politiques représente un important enjeu puisque la mobilité à l'extérieur du domicile constitue un présupposé du « bien vieillir ». Or, le trafic véhiculaire et l'aménagement des rues peuvent affecter la mobilité des personnes âgées et ainsi amener les plus vulnérables à limiter leurs sorties. Qu'en est-il donc de la convivialité des espaces urbains et de leur potentiel de marche en toute sécurité du point de vue des aînés? C'est cette question générale qui est au coeur du projet MAPISE (Marche à pied chez les séniors), financé par le Programme français de recherche et d'innovation dans les transports terrestres (PREDIT) et regroupant, autour de compétences spécialisées en sécurité routière, en géographie, en aménagement et en psychologie, des chercheurs de la France et du Québec. L'objectif de ce chapitre est de présenter l'outil de marchabilité élaboré dans le cadre du projet sous la forme d'une analyse comparée de quatre quartiers périphériques et centraux de Lille (France) et de Montréal (Québec).
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 | 0.004 | 0.014 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.007 | 0.014 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".