Transformation des villes et mobilité durable : Regard sur les déterminants psychosociaux de l’attachement à l’auto solo
Bibliographic record
Abstract
Dans le contexte de la crise socioécologique actuelle, les enjeux de mobilité représentent une question vive. Le système de mobilité québécois centré sur l’automobile entraîne des conséquences négatives bien documentées sur l'environnement, la santé, la qualité de vie, les finances personnelles et l’économie de la province. Au niveau climatique, le sous-secteur du transport routier de personnes (automobiles et camions légers) est responsable à lui seul de 22 % des émissions de gaz à effets de serre (GES) du Québec. Malgré tout, le taux de motorisation est en constante évolution - le nombre de véhicules par adulte au Québec ayant augmenté de 30 % depuis 1990 - tout comme la part des déplacements effectués en voiture. Comment expliquer et renverser ces tendances ? Au Québec, la mobilité a principalement été étudiée depuis les disciplines de l’ingénierie des transports et de l’urbanisme. L’influence des facteurs structuraux (environnement bâti, accessibilité aux réseaux de transports) et sociodémographiques est donc bien comprise. Il semble toutefois que ces approches ne soient pas suffisantes pour comprendre notre dépendance à l'auto solo et mener aux transformations ambitieuses et radicales que l'état d'urgence climatique nous commande. Inspirés d’un nombre croissant de recherches portant sur les aspects psychosociaux des comportements de mobilité, une étude à devis mixte combinant des ateliers de discussion citoyens et un questionnaire fut mise sur pied afin de mieux comprendre les facteurs expliquant la possession et l’usage individuel de la voiture. Une démarche de segmentation exploratoire a permis de voir émerger trois types d’usagers de la route aux profils psychographiques bien distincts. Les différents segments sont présentés, ainsi qu’une réflexion sur le potentiel de transformation y étant associé. Une telle démarche de segmentation psychographique nous semble un outil pertinent qui, combiné à des considérations d’ordre structurel, pourrait informer et guider l’action publique vers des villes plus résilientes.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.004 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.014 | 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".