Le transport à la demande en milieu rural : études de cas d’initiatives québécoises
Bibliographic record
Abstract
Le transport des personnes est un sujet préoccupant et complexe dans la conjoncture actuelle. Les besoins de mobilité ont toujours été au cœur des préoccupations de la vie en société et le transport fait face constamment à de nouveaux défis. Aujourd’hui, suivant une ère qui employait l’automobile comme moyen de déplacement dans la presque totalité des cas, différentes problématiques poussent les individus et les groupes à se tourner vers des alternatives. La population vieillissante, la conscientisation environnementale, les restrictions d’ordre social et économique, conjointement à d’autres raisons font tourner les regards vers le transport collectif. Si de tels réseaux sont depuis longtemps moyennement ou plutôt bien implantés en zones fortement urbanisées et commencent à occuper une présence marquée en zones périphériques, leurs déploiements restent à être encouragés et soutenus en zones rurales, au Québec à tout le moins. Nous verrons qu’en France, il existe un type de service de transport collectif, désigné « transport à la demande », assez bien connu aujourd’hui et qui tente de s’adapter à une clientèle résident dans les zones moins densément peuplées. Il est assez logique de trouver davantage d’initiatives de la sorte dans ce pays où l’automobile comme moyen de transport des individus est moins généralisé qu’il ne l’est en Amérique du Nord. Partant de là, les réseaux des différents modes de transport en commun y sont plus nombreux et davantage développés. Puis, les territoires ruraux s’étendent sur des distances moins importantes, avec des densités de population généralement supérieures à celles rencontrées dans les milieux ruraux de la plupart des régions du Québec. Ainsi, comment de tels modèles peuvent inspirer des solutions semblables au transport à la demande tel qu’il est mis en œuvre en France, pour répondre aux besoins de mobilité des milieux ruraux au Québec? Les territoires ruraux du Québec ne sont pas exempts d’initiatives s’apparentant au transport à la demande s’opérant en France, mais les expériences sont très jeunes.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.004 |
| Science and technology studies | 0.010 | 0.003 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 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".