Harmoniser la gouvernance de la mobilité servicielle : trois clés pour passer de la compétition à la collaboration
Bibliographic record
Abstract
Ce rapport rend compte des travaux menés dans le cadre du projet de recherche «Analyse de différents modèles de plateformes multimodales de collaboration et de synchronisation des services de mobilité», financé par le Fonds de recherche du Québec – Nature et technologies, et s’inscrit dans la suite du projet «Gouvernance et éthique des algorithmes intégrés dans le développement d’une plateforme de mobilité à la demande incluant un écosystème d’innovation», soutenu par l’Observatoire international sur les impacts sociétaux de l’IA et du numérique (Obvia). Ce projet et ce rapport qui en synthétise les constats s’inscrivent dans la poursuite des efforts d’adaptation des systèmes et des services de transport collectif et actif aux réalités sociales, économiques et écologiques de collectivités en pleine transformation. Leur objectif principal est de formuler des recommandations vouées à orienter les efforts de mise en œuvre d’une plateforme multimodale de synchronisation des services de mobilité intégrée qui permettrait de réduire les émissions de gaz à effet de serre en transport en élargissant l’accès aux services de mobilité durable, en réduisant les déplacements en auto solo et en favorisant l’utilisation de véhicules électriques.
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 | 0.010 | 0.018 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.011 | 0.010 |
| Open science | 0.003 | 0.010 |
| Research integrity | 0.004 | 0.003 |
| Insufficient payload (model declined to judge) | 0.019 | 0.003 |
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".