Bibliographic record
Abstract
Cet article analyse 'l'intrusion logistique' au sein des activités économiques de deux métropoles américaines différentes de par leur histoire, leur taille, leur positionnement géoéconomique : Los Angeles et Atlanta. L’auteur le fait à la fois spatialement et politiquement, en traitant les réactions des divers pouvoirs locaux qui attirent ou repoussent ces activités en croissance. A Los Angeles, aire urbaine de 17 millions d'habitants jouxtant deux ports majeurs, ce sont 1,15 milliard de tonnes de fret qui circulent en 2010, à partir de 7 775 hectares d'espaces d'entrepôts et de distribution, ce qui représente plus du tiers de l'économie métropolitaine. A 50 km du centre, à Moreno Valley, à la différence de Vernon, proche du 'downtown', l'accueil logistique est prioritaire, avec par exemple un bâtiment de 170 000 m2. En Géorgie, à Atlanta, située au croisement de plusieurs réseaux nationaux de transport et qui compte plus de 5 millions d'habitants, le comté de Henry, à 33 km du centre, attire les activités logistiques comme celui de Fulton mais à la différence de celui de Gwinnett. S'il existe des instances de coopération entre les multiples entités territoriales, la concurrence reste vive pour capter la fiscalité spécifique attachée à ces activités.
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 | 0.000 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 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".