Bibliographic record
Abstract
L'un des mythes les plus tenaces en économie des transports est sans conteste le rôle structurant des infrastructures. En effet, il a longtemps été admis que le transport exerçait un effet positif automatique sur la croissance et le développement économique régional et local. Cette causalité directe a progressivement été remise en cause (Bazin, Beckerich, Delaplace & Masson, 2006 ; Blanquart, Delaplace, 2009 ; Bonnafous & Plassard, 1974 ; Offner, 1993 ; Plassard, 1977, 2003 ; Vickerman, 1991), pour céder la place à une causalité indirecte ou à une causalité conditionnée : l'arrivée d'une nouvelle infrastructure de transport aurait un effet positif sur la croissance et le développement économique régional et local si des politiques d'accompagnement sont mises en œuvre, et cela quels que soient la structure et les caractéristiques du territoire concerné (Blanquart, Delaplace, Poinsot, 2013). En effet, si la systématicité des effets structurants est critiquée, en raison de l'oubli des caractéristiques socioéconomiques du territoire que cette systématicité traduit, pour autant les stratégies d'accompagnement semblent jouer un rôle important (Ollivro, 1997), illustrant la nécessité de soutenir l'appropriation par les acteurs des services directs de logistique et de transport offerts par les infrastructures (Blanquart et Delaplace, 2009). Les effets attendus de l'infrastructure deviennent alors conditionnels, mais les conditions de leur apparition demeurent peu explicitées. La nature et les objectifs de ces politiques d'accompagnement restent par ailleurs indéfinis.Ces débats sont plus que jamais d'actualité en France, avec notamment la construction envisagée du Canal Seine Nord Europe, qui a fait l'objet d'une déclaration d'utilité publique autorisant le démarrage des travaux. C'est un investissement lourd, estimé à plus de quatre milliards d'euros selon les options techniques retenues. L'ampleur des investissements en infrastructures, et leur haut degré d'irréversibilité, justifient, s'il en était besoin, d'éclairer la question de leur contribution au développement des territoires qu'ils desservent. Équipement structurant toute une région, au sein d'un réseau fluvial européen à grand gabarit, il est attendu que le canal Seine-Nord Europe ait des effets économiques à court, moyen et long termes.Mais sans une représentation théorique du lien infrastructure-développement, il est impossible de différencier les effets bruts des effets nets, c'est-à-dire d'isoler les effets d'une infrastructure particulière parmi l'ensemble de tous les autres facteurs susceptibles de participer au développement socio-économique d'une région, et notamment les stratégies d'accompagnement (Blanquart, Delaplace, Poinsot, 2013). Si des travaux ont montré que le rôle et l'importance de l'infrastructure de transport dans le développement sont conditionnés par la représentation théorique du développement qui est retenue, les limites méthodologiques des approches jusqu'alors en vigueur invitent à trouver d'autres référentiels d'analyse. Or, depuis ces 20 dernières années on assiste à un renouvellement des théories de la croissance et du développement économique régional et local : théorie de la croissance endogène, reformulation de la théorie de la base, réflexions autour des dynamiques de proximités ou encore nouvelle économie géographique.La thèse propose de renouveler le lien infrastructure de transport - développement en mobilisant un nouveau cadre d'analyse issue de la théorie des capabilités. Les résultats obtenus montrent une différence dans les capabilités des entreprises à utiliser le transport fluvial, et in fine le Canal Seine Nord Europe. Ainsi, l'appropriation de l'infrastructure par les entreprises sera différente, au même titre que les politiques d'accompagnement qui seront mises en place pour provoquer un report modal du routier vers le fluvial.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.000 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 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".