Bibliographic record
Abstract
L’accélération de l’urbanisation a renforcé le rôle des grandes villes, ou régions métropolitaines. À l’heure actuelle, plus de la moitié de la population totale de l’OCDE (53 %) vit dans des régions essentiellement urbaines et la zone de l’OCDE compte 78 régions métropolitaines d’au moins 1.5 million d’habitants, qui tendent à concentrer une importante part des activités économiques nationales. C’est ainsi que Budapest, Séoul, Copenhague, Dublin, Helsinki, Randstad-Holland et Bruxelles représentent près de la moitié du PIB national. De la même manière, Toronto, Montréal et Vancouver au Canada sont à l’origine de la moitié ou plus du produit de leurs provinces respectives. En Norvège, en Nouvelle-Zélande et en République tchèque, un tiers ou plus de la production provient de grandes régions métropolitaines (Oslo, Auckland et Prague). Au Royaume-Uni, en Suède, au Japon et en France, près de 30 % du PIB national est assuré par Londres (31.6 %), Stockholm (31.5 %), Tokyo (30.4 %) et Paris (27.9 %) respectivement. Mais, fait plus important, la plupart des régions métropolitaines de l’OCDE ont un PIB par habitant supérieur à la moyenne nationale (66 régions métropolitaines sur 78), un niveau de productivité de la main-d’oeuvre supérieur (65 sur 78) et nombre d’entre elles affichent des taux de croissance supérieurs à la moyenne de leur pays.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.002 |
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; both teacher heads agree on what is shown here.
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".