Évaluation de la vulnérabilité des populations riveraines au transport routier des matières dangeureuses à l'aide d'un système d'information géographique application à la Montérégie
Bibliographic record
Abstract
Le transport des matières dangereuses représente un risque réel pour la population. Peut-on réduire ce risque? La problématique de cette recherche est axée sur la prévention des risques liés au transport des matières dangereuses pour les populations riveraines du réseau routier supérieur du ministère des Transports du Québec (MTQ). L'objectif général de cette recherche vise à identifier et à classifier par importance les secteurs potentiellement problématiques au niveau de la vulnérabilité de la population liée au transport des matières dangereuses. L'identification des secteurs problématiques permet d'établir des priorités d'intervention pour réduire les risques. Cette recherche rend possible l'évaluation de la vulnérabilité des populations riveraines par rapport au transport routier des matières dangereuses qui, associée aux autres variables du réseau routier, définira les paramètres pour des scénarios d'intervention, de planification et en définitive la réduction des risques. Cette recherche vise à préciser également un modèle au niveau du risque en fonction des caractéristiques de la population, de l'occupation du sol, des activités adjacentes et des marges de recul en milieux urbains, périurbains et ruraux.
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 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".