Effet des murs antibruit sur les valeurs résidentielles dans la région de Montréal
Bibliographic record
Abstract
Les nuisances sonores associées à la circulation routière sont des externalités (Navrud 2002) connues et avérées. L’outil le plus utilisé pour atténuer ces externalités est l’implantation d’écrans antibruit. Bien que ces structures engendrent d’importants coûts économiques, leurs bénéfices économiques ont fait l’objet de très peu d’analyses. Dans une perspective d’évaluation d’impact, cette étude s’intéresse aux impacts locaux de la présence d’écrans antibruit sur la valeur des immeubles environnants. L’étude utilise une base de données de 17 191 de transactions immobilières réalisées entre 2000 et 2017 dans la Région métropolitaine de Montréal qui abrite plusieurs écrans antibruit. La méthode d’estimation utilisée est celle de l’appariement développé par Rosenbaum et Rubin (1983) combinée à l’approche des doubles différences (DD) afin de l’adapter aux besoins de l’analyse. Des tests de permutation et de falsification permettent de vérifier la robustesse des résultats. La littérature immobilière offre très peu d’exemples d’une approche hybride combinant les méthodes d’appariement et DD, d’où l’originalité de ce cette recherche. Les résultats suggèrent que les impacts des écrans antibruit sur les valeurs immobilières sont majoritairement positifs et varient selon les caractéristiques des écrans, la nature des marchés immobiliers et des secteurs affectés, de même que les paramètres d’appariement.
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 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
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".