Sécurité, éducation et mobilités : maîtrise des risques et prévention
Bibliographic record
Abstract
Maîtriser les risques voire les circonscrire constitue un enjeu de taille dans le champ des mobilités. Deux tomes abordent de façon transversale et avec des apports multidisciplinaires et internationaux (France, Canada, Afrique et Asie) la question de la sécurité/insécurité et du risque. Ce second tome « Sécurité, éducation et mobilités » aborde trois grands thèmes : Education, prévention et conduite ; Economie et aspects légaux de la sécurité routière ; Mobilités urbaines, durables. Le premier thème : « Education, prévention et conduite » aborde la question de l’éducation tout au long de la vie et de son rôle dans la prévention. Le second thème : « Economie et aspects légaux de la sécurité routière » est principalement centré sur les déterminants économiques de la sécurité/insécurité routière. Le troisième thème : « Mobilités urbaines, durables» s’intéresse au développement de nouveaux environnements ou de nouvelles technologies en milieu urbain mais aussi aux nouvelles mobilités, conduisant à une articulation avec les problématiques de développement durable.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.005 | 0.005 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.006 |
| Insufficient payload (model declined to judge) | 0.023 | 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".