La mobilité quotidienne conduit-elle les Parisiens à respirer un air plus ou moins pollué ?
Bibliographic record
Abstract
L’article propose une évaluation dynamique de l’exposition à la pollution de l’air de la population urbaine de la région de Paris (France). La méthodologie originale prend en considération la variabilité dans l’espace et dans le temps des polluants et des habitants. Elle s’appuie sur la combinaison des données de concentrations en NO2 (Airparif) et de mobilité quotidienne d’un échantillon représentatif de résidents (Île-de-France Mobilités–OMNIL–DRIEA). Les résultats soulignent le rôle déterminant de la mobilité quotidienne dans le niveau d’exposition individuelle à la pollution. Comparée à l’exposition de référence à la résidence, la mobilité quotidienne conduit les habitants à dégrader leur niveau d’exposition au NO2 de 1,1 µg/m3 (+4%) en moyenne, s’établissant à 32,1 µg/m3. La mobilité différenciée des résidents selon l’usage des modes motorisés individuels et le temps passé à Paris induit une dégradation inégale de la qualité de l’air respiré. Pour les actifs, les étudiants et les résidents de la deuxième couronne, leur mobilité quotidienne tend à accroître significativement leur exposition au NO2, au contraire de celle des inactifs et des résidents de Paris.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.005 | 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".