Les Partenariats PublicâPrivé comme mode de gouvernance des projets de trains légers sur rail â Problème ou solution?
Bibliographic record
Abstract
Plusieurs villes d’Europe et d’Amérique se sont récemment dotées de nouveaux systèmes de train léger sur rail. On parle d’ailleurs d’une renaissance de ce mode de transport. Cette infrastructure mouvante et très visible donne un sens de dynamisme et de modernité aux villes qui l’ont implanté. Mais ces projets nécessitent d’énormes investissements et dans le contexte économique actuel, il semble difficile de réaliser ces projets sans l’apport financier du secteur privé. La plupart des nouveaux systèmes sont donc réalisés en partenariat public-privé (PPP). Le choix de ce mode de réalisation a certainement des effets au niveau de la gouvernance de ces projets. Cet essai critique sur la gouvernance des projets de transport en commun en mode PPP est réalisé dans le cadre du cours PAP 6502 Gouvernance démocratique. Méthodologie : Il s’agit d’une analyse critique de multiples aspects de gouvernance qui sont affectés par le mode de gestion en PPP des projets de transports en commun réalisée à l’aide d’une revue de littérature sur la gouvernance de tels projets dans plusieurs villes dont Vancouver, Porto Allegre et Londres. Résultats, leçons tirées : La revue de littérature permettra de dévoiler les motivations derrière le choix du mode de développement en PPP pour les projets de transports en commun. Elle permettra aussi d’explorer quelles sont les différences entre les attentes et les résultats pour certains de ces projets. Finalement, notre analyse se portera sur les aspects démocratiques de ce type de gouvernance. Conclusion : Bien que la plupart des cas analysés soient considérés comme des réussites, nous démontrons que les projets ne répondent qu’en partie aux attentes initiales et qu’ils souffrent généralement d’un « déficit démocratique
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 | 0.005 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.004 | 0.007 |
| Scholarly communication | 0.015 | 0.010 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.017 | 0.002 |
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".