Quelle mobilité pour la ville de demain ? Un regard croisé des experts et de la littérature scientifique
Bibliographic record
Abstract
Les infrastructures de transport et la mobilité participent à la définition de ce que sera la ville de demain. Elles doivent compter avec l’émergence des nouvelles technologies, la diversification des modalités de transport et l’évolution des pratiques. Une bonne prise en compte de ces aspects peut favoriser et accélérer la transition vers la ville du futur, avec un impact social, environnemental et économique positif, afin de faire face aux évolutions prévisibles du contexte. Cet article propose une analyse exploratoire sur les évolutions de la mobilité et des transports en ville. Pour cela, nous avons étudié, via une approche lexicométrique, la littérature scientifique relative à la mobilité, aux transports et à leurs évolutions. Cette approche a été complétée par une série d’entretiens menés auprès d’experts du domaine des transports et de la mobilité, qui ont donné lieu à une analyse qualitative et lexicométrique. La mise en relation de ces différentes analyses a permis de tracer les points prégnants de l’évolution de la mobilité et des transports, et de traduire la différence de point de vue entre ces deux groupes. Ainsi, la littérature scientifique propose beaucoup de travaux mettant en avant des innovations technologiques, alors que les experts se sont plutôt concentrés sur les évolutions des pratiques et ont discuté la notion de parcimonie dans la mobilité. Ces deux visions sont toutefois complémentaires et conduisent à plusieurs voies pour la mobilité de la ville de demain.
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 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.006 |
| Science and technology studies | 0.004 | 0.009 |
| Scholarly communication | 0.010 | 0.012 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.015 | 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; 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".