Réingénierie du transport forestier : cas d'étude et modèles collaboratifs
Bibliographic record
Abstract
Dans notre étude, nous nous sommes intéressés à la collaboration en transport pour le secteur forestier. Plus particulièrement, nous avons cherché à voir comment un syndicat représentant un ensemble de propriétaires forestiers pourrait réorganiser son transport de façon à diminuer les coûts de transport du groupe et réduire les kilomètres parcourus à vide. Pour ce faire, nous avons tout d’abord cartographié les flux de transport du syndicat dans le but de cibler certaines régions du Québec propices au développement d’une collaboration. Nous avons par la suite fait appel à un outil d’optimisation du transport qui nous a permis d’estimer un potentiel d’économie de l’ordre de 2% si certaines règles d’affaires concernant la répartition géographique des transporteurs dans le réseau étaient modifiées. Enfin, nous avons développé trois modèles d’affaires collaboratifs pour le contexte, représentant chacun un niveau d’intensité de la collaboration différent selon ce qui pourrait être souhaité par les partenaires.
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 | 0.004 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.012 | 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".