De keuze van gemeenten voor de ANWB-verkeersveiligheidsprijs 1986.
Bibliographic record
Abstract
Er is de laatste jaren een toenemende belangstelling voor de verkeersveiligheid op lokaal en regionaal niveau en met name voor het verkeersveiligheidsbeleid. De ANWB wil deze ontwikkeling stimuleren door het instellen van een tweejaarlijkse verkeersveiligheidsprijs voor gemeenten die zich in dat opzicht positief onderscheiden. De keuze van winnende gemeenten zou geheel of gedeeltelijk gebaseerd moeten worden op objectieve gegevens, gebruik makend van geregistreerde ongevallen gegevens. Op verzoek van de ANWB werd door de Stichting Wetenschappelijk Onderzoek Verkeersveiligheid (SWOV)onderzocht of en op welke wijze ongevallengegevens voor dit doel kunnen worden gebruikt. In overleg met de ANWB was vastgesteld dat de gemeenten in een beperkt aantal grootteklassen zouden worden ingedeeld, met de bedoeling per klasse een prijswinnaar vast te stellen. Ook was overeengekomen dat in principe zowel de meest recente situatie als de ontwikkeling van de onveiligheid in de beoordeling zouden worden betrokken. (Author/publisher)
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.113 | 0.036 |
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".