La simulation de conduite : méthode prédictive de la vitesse adoptée sur la route par de jeunes conducteurs masculins
Bibliographic record
Abstract
Ce mmoire de matrise a ncessit l'aide prcieuse de plusieurs personnes.L'auteure aimerait exprimer sa reconnaissance son directeur de recherche, Jacques Bergeron, Ph.D., pour son soutien et son enthousiasme lors de la ralisation de cette tude.La conception et la ralisation de ce projet n'auraient jamais t possibles sans le concours de deux amis fidles qui y ont investi beaucoup de temps et d'efforts.Jean-Pierre Bdard, dtenteur d'un baccalaurat en psychologie et instructeur de conduite depuis une quinzaine d'armes, a contribu la conception du test routier.Il a permis l'association avec une cole de conduite pour l'utilisation d'un vhicule et a supervis toutes les sances de tests sur la route.De plus, sa contribution la rvision du texte en franais a permis d'en faciliter grandement la comprhension.Les nombreuses conversations avec Thomas Brown, Ph.D., ses conseils judicieux ainsi que sa participation l'adaptation de l'article en anglais furent trs apprcis.Plusieurs personnes ont contribu la ralisation pratique de cette tude.Martin Brosseau, instructeur de conduite et propritaire de l'cole de conduite Virgo, a fourni un vhicule de son cole en faisant preuve de disponibilit et de gnrosit.Martin Paquette, M.Sc., et Carl L'Archevque, ingnieur informatique au Dpartement de psychologie, ont enseign l'auteure la cration de scnarios de simulation de conduite et ont fourni une aide technique tout au long de la prparation de Pexprimentation et de son droulement.Daniel Harding a contribu la conception graphique de l'affiche de recrutement des participants.Ce mmoire a t ralis grce la participation financire du Fonds pour la Formation de Chercheurs et l'Aide la Recherche (FCAR), du
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 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 teacher head, 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".