Apport de l’analyse biomimétique à l’évaluation comparée de scénarios prospectifs en mobilité urbaine
Bibliographic record
Abstract
Cet article présente l’utilisation de l’approche biomimétique pour évaluer la performance environnementale de scénarios de service en mobilité urbaine. Un scénario de référence et deux scénarios alternatifs prospectifs en mobilité sur l’île de Montréal au Québec seront analysés avec l’outil BiomiMETRIC. Cet outil permet la quantification de la performance au regard de chacun des dix principes de biomimétisme à l’aide de méthodes quantitatives issues de l’analyse de cycle de vie, complétée par des questions qualitatives évaluées et pondérées par l’utilisateur.L’analyse comparative du scénario initial de référence (0 Statu quo) avec les deux scénarios prospectifs en mobilité (1 Transport collectif et 2 Résilience aléas) par l’approche biomimétique permet de conclure que les scénarios prospectifs en mobilité requièrent une action corrective au niveau de l’intégration des principes de biomimétisme 7 : Rester en équilibre avec la biosphère et 8 : Utiliser les déchets comme ressources. Les scénarios alternatifs apportent cependant une réduction moyenne des impacts évaluée à 25 % et 59 %, respectivement par rapport au scénario 0 Statu quo. L’approche biomimétique offre un angle d’analyse complémentaire pour l’évaluation de la performance environnementale globale en vue de la prise de décisions dans une perspective 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 | 0.008 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| 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".