Paysages interstitiels sous les autoroutes surélevées, trois études de cas canadiennes
Bibliographic record
Abstract
Ce mémoire examine les espaces sous les autoroutes surélevées, en mettant en lumière leur potentiel en tant que paysages interstitiels. À travers une approche multiscalaire, il analyse trois cas d’étude au Canada : l’autoroute 40 à Montréal, l’autoroute Dufferin-Montmorency à Québec, et l’autoroute 99 à Vancouver, choisis pour leur diversité contextuelle et leur capacité à illustrer les impacts urbains, sociaux et écologiques de ces infrastructures. Contrairement aux analyses traditionnelles axées sur l’échelle territoriale des autoroutes, ce mémoire se concentre sur leurs effets locaux. L’analyse repose sur la notion d’interstice, définie comme un espace résiduel en rupture avec le tissu urbain, ainsi que sur celle de paysage interstitiel, qui met en lumière les interrelations entre ces lieux et leur environnement. Par des observations de terrain, des cartes et des photocollages, ce mémoire documente les caractéristiques de ces espaces, leurs usages formels et informels, ainsi que leur intégration dans les villes. Les résultats montrent que la notion d’interstice est pertinente à une analyse locale des espaces situés sous les autoroutes surélevées. Ces espaces offrent des opportunités de requalification et de mitigation des nuisances causées par les autoroutes surélevées. En outre, le concept de paysage interstitiel permet d’envisager des manières de renforcer les liens entre les quartiers traversés par les autoroutes. Cette recherche contribue à enrichir la compréhension des paysages interstitiels dans le contexte des infrastructures surélevées et propose des pistes pour une intégration plus harmonieuse de ces espaces dans le tissu urbain. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Autoroute surélevée, Interstice, Paysage interstitiel, Montréal, Québec, Vancouver, Canada, Design, Urbanisme
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.007 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.015 | 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".