L'impact des politiques de transports sur la concentration spatiale des activités
Bibliographic record
Abstract
Dans cette thèse, nous avons étudié l'impact des politiques de transport sur l'évolution des disparités régionales. L'outil dont nous nous sommes servi était la nouvelle économie géographique (NEG) qui est une branche de l'économie spatiale issue du modèle de concurrence monopolistique à la Dixit-Stiglitz et Krugman. Par ailleurs, la zone géographique sur laquelle nous nous sommes concentrés était le Québec. Dans un premier chapitre, après avoir donner une description détaillée du fonctionnement du modèle fondateur de la nouvelle économie géographique (Krugman, 1991), nous avons estimé les paramètres du modèle avec des données québécoises puis nous avons simulé l'évolution des disparités régionales au Québec pour différents scénarios de politiques de transport. Dans un deuxième chapitre, nous avons modifié le modèle de base en y introduisant un paramètre reflétant l'introduction de nouvelles technologies de transport moins polluantes. Les résultats différaient du modèle de base si au yeux des consommateurs ces nouvelles technologies étaient réellement bénéfique pour l'environnement. Dans un troisième chapitre, à travers une étude empirique portant sur le Québec ainsi que 20 pays, nous avons identifié le climat comme étant un important facteur de la concentration spatiale des activités. Par conséquent, nous avons introduit un forçage climatique dans le modèle de base. Par ailleurs, nous avons aussi introduit un coût de congestion pour le centre ville de montréal. La performance empirique du modèle s'étant grandement améliorée suite à ces corrections, nous en avons conclu que les modèles de type NEG devraient inclure des facteurs géographiques.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.015 | 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".