The other side of urban motorization : Montreal, Toulouse, Toronto and Marseille facing automotive traffic induced nuisances, years 1910 to 1980
Bibliographic record
Abstract
Cette thèse est une étude d’histoire environnementale des milieux urbains de Montréal, Toulouse, Marseille et Toronto entre les années 1910 et 1980. La période couverte a été choisie car correspondant à deux temps d’augmentation des parcs automobiles canadiens et français : les années d’entre-deux-guerres et les Trente Glorieuses. L’objet central de ce travail sont les interactions entre les sociétés des quatre villes étudiées et les nuisances générées par la présence automobile au sein des quartiers centraux et anciens. Plus précisément, l’analyse a porté sur l’appréhension de ces différents phénomènes par les sociétés des quatre villes, c’est-à-dire la façon dont ils ont été décrits, dénoncés, perçus, par les populations, mais aussi gérés par les administrations. Le travail a par ailleurs été concentré sur les échelles locales, et les administrations publiques municipales dans une optique d’analyse par le bas. L’intervention des niveaux de gouvernement supérieurs (États, provinces, régions) n’a été abordée que de façon ponctuelle, lorsqu’elle était pertinente pour expliquer des situations locales. Enfin cette étude a également été menée dans une optique de comparaison internationale. En tant qu’étude d’histoire environnementale, on s’est attaché à travailler sur la mutation matérielle et physique des environnements urbains. Les mutations couvertes sont autant celles provoquées par la multiplication des nuisances elles-mêmes que celles entrainées par l’adaptation des milieux urbains à la présence automobile. Le travail de comparaison engagé ici permet également saisir l’importance des échanges internationaux au sujet des nuisances automobiles pendant la période couverte. L’histoire de leur appréhension par les sociétés s’est révélé être une histoire connectée. Enfin, on tâche de mettre en lumière toute l’ambivalence du rapport des sociétés étudiées à la présence automobile tout au long de la période couverte. Sans qu’elles aient suffit à générer un rejet de la présence automobile en ville, les nuisances ont été centrales dans l’histoire de la motorisation des espaces centraux et anciens des villes occidentales
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| 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".