Management de la mobilité par le "Marketing individualisé" : une approche innovante pour changer durablement les comportements dans les déplacements quotidiens
Bibliographic record
Abstract
Le marketing individualisé, appelé « Indimark », est une approche de management de la mobilité permettant d'obtenir un transfert modal pérenne de la voiture particulière vers les autres modes de déplacement. Cette technique, mise au point par le bureau d’études Socialdata GmbH (Werner Brög), a été expérimentée avec succès en Australie, en Allemagne, en Autriche et en Suède.Elle consiste à : -contacter directement des ménages utilisateurs potentiels des modes de transport durables qui utilisent jusqu'alors la voiture ;-les convaincre par entretiens de l'intérêt du changement de leurs comportements dans les déplacements quotidiens ; -suivre et analyser les changements d'habitudes de déplacements de ces ménages -le groupe cible- par rapport à des ménages n’ayant pas fait l'objet d'une information et sensibilisation -le groupe de contrôle.L'expérimentation la plus connue actuellement est celle de South Perth en Australie où, après une 1ère expérimentation réussie qui a conduit à une application à grande échelle, le transfert modal observé de la voiture-solo vers les autres modes de déplacements atteint 8 %. D’autres applications à grande échelle confirment le potentiel de transfert modal de cette démarche.Un calcul sommaire coûts/bénéfice montre que la seule augmentation de fréquentation des transports publics permet de récupérer l'équivalent du coût de la démarche d'Indimark dès la première année : c’est le temps de retour de l’investissement pour la collectivité, étant précisé qu’il serait encore réduit si on tenait compte des effets externes tels que l’impact positif sur la santé et l’environnement.
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 | 0.010 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.006 | 0.006 |
| Open science | 0.003 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.012 | 0.003 |
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".