MétaCan
Menu
Retour à la cohorte
Enregistrement W1557787247 · doi:10.4000/etudescaribeennes.6663

Les apprentissages sur l'aménagement côtier dans deux territoires côtiers du littoral acadien du Nouveau-Brunswick vulnérables à l'érosion et aux inondations

2014· article· fr· W1557787247 sur OpenAlexaffabout
Omer Chouinard, Tiavina Rabeniaina, Sebastian Weissenberger

Notice bibliographique

RevueÉtudes caribéennes · 2014
Typearticle
Languefr
DomaineHealth Professions
ThématiqueIndigenous Studies and Ecology
Établissements canadiensUniversité du Québec à MontréalUniversité de Moncton
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceHumanitiesGeographyForestryArt

Résumé

récupéré en direct d'OpenAlex

Comme dans d’autres régions du monde, la croissance démographique et l’aménagement côtier sur le littoral acadien au Nouveau-Brunswick contribuent à une plus grande vulnérabilité et à la détérioration des espaces côtiers et environnements littoraux. L’élévation du niveau marin et les effets des changements climatiques rendent les côtes du Nouveau-Brunswick extrêmement sensibles et entrainent des impacts de plus en plus importants. Ainsi, l’adaptation aux changements climatiques constitue un enjeu de taille pour la province.Nous décrivons ici les résultats d’une étude comparative sur les expériences et les stratégies d’adaptation de deux communautés côtières, les communautés de Cocagne - Grande Digue et de Beaubassin-Est - Cap Pelé. Les deux territoires ont en commun d’avoir des littoraux convoités par le tourisme et le secteur immobilier. Des entretiens semi-dirigés et des groupes de discussion (focus groups) ont permis d’obtenir des informations sur les thématiques suivantes : l’expérience des modifications environnementales, les mesures d’adaptation initiées individuellement ou collectivement, les réactions et les besoins futurs. Les résultats de l’étude mettent en évidence l’enchâssement des aspects économiques et sociétaux dans les enjeux environnementaux et le rôle des représentations et des acteurs qui déterminent le niveau de mobilisation. Enfin, le projet souligne l’importance d’une coordination entre les différentes échelles de gouvernance.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,590
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0090,001
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,028
Tête enseignante GPT0,311
Écart entre enseignants0,282 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueÉtudes caribéennesMême sujetIndigenous Studies and EcologyTravaux en français237 207