Inégalités sociales dans la diffusion d'une innovation en transport actif : le cas des vélos en libre-service à Montréal
Bibliographic record
Abstract
Introduction. Les programmes de vélos en libre-service (PVLS) représentent une innovation en transport actif. À ce jour, la sensibilisation à cette innovation en tant que prérequis à l’accessibilité n’a jamais été étudiée. Objectif. Identifier les facteurs liés à l’absence de sensibilisation à l’existence du PVLS à Montréal. Méthode. 7011 Montréalais âgés de 18 ans et plus ont été interrogés au cours de 3 sondages téléphoniques sur une période couvrant deux saisons : avant la première saison (n=2000), après la première saison (n=2502) et après la deuxième saison (n=2509). Des analyses de régression logistique ont été réalisées sur 93,6 % (n=6562) de l’échantillon pour examiner l’effet du temps, de la proximité des stations de vélos et du niveau d’éducation sur l’absence de sensibilisation à l’existence du PVLS. Résultats. Nous constatons que, après la première saison d’implantation du PVLS, la probabilité d’absence de sensibilisation au PVLS est plus élevée chez les individus dont le niveau d’éducation est faible que chez ceux dont le niveau d’éducation est élevé (RC = 1,60; 95 % IC : 1,18; 2,19). Aussi, nous observons que, après la deuxième saison d’implantation, la probabilité d’absence de sensibilisation au PVLS est plus élevée chez les individus dont le niveau d’éducation est faible et qui vivent dans un voisinage pourvu d’un PVLS, que chez ceux dont le niveau d’éducation est élevé et qui vivent dans un voisinage dépourvu d’un PVLS (RC = 1,63, 95 % IC : 1,01; 2,64). Conclusion. Malgré l’accessibilité au PVLS dans un voisinage, des inégalités sociales persistent.
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 | 0.004 | 0.015 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.004 | 0.004 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 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".