Attitudes des distributeurs d'autobus scolaire diesel face à l'arrivée de l'autobus scolaire électrique : analyse d'une transition technologique dans le secteur du transport par autobus scolaire avec la perspective multiniveaux
Bibliographic record
Abstract
Le réchauffement climatique appelle, entre autres, à la réduction des émissions de gaz à effet de serre. Cette réduction passe par l'électrification du transport scolaire au Québec, une transition technologique. Il est problématique qu'elle progresse lentement. Geels affirme qu'elle est ralentie par l'action des acteurs dominants du secteur. Dans notre recherche, nous nous sommes demandé si les acteurs de l'autobus scolaire diesel résistent à l'arrivée de l'autobus scolaire électrique. Nos hypothèses postulaient qu'ils résistent. À l'aide de la perspective multiniveaux de Geels nous avons effectué 10 entrevues semi-dirigées avec des acteurs du secteur des autobus scolaires. Nos résultats corroborent seulement en partie nos hypothèses. Nos résultats indiquent aussi que ce sont davantage des facteurs de sélection, issues du gouvernement du Québec, qui apparaissent déterminants dans le succès de l'électrification de l'autobus scolaire. De futures recherches sur les transitions technologiques en transport auraient avantage à analyser les facteurs de sélection issus des actions des gouvernements, eux-mêmes poussés par l'opinion publique, deux facteurs qui se situent tous deux dans ce que Geels a appelé le paysage sociotechnique.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
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".