Réseaux et environnement : regards croisés sur les filières de gestion des Déchets d’Équipement Électriques et Électroniques à Toulouse et à Milan
Notice bibliographique
Résumé
Le principal objectif de cet article est d’étudier le cadre institutionnel d’une filière de gestion des déchets par une entrée sur les modalités de gouvernance des réseaux d’acteurs, afin de comprendre comment expliquer les différences d’adaptation des systèmes sociotechniques de gestion des DEEE (Déchets d’Équipements Électriques et Électroniques) italien et français à la mise en œuvre de la directive européenne DEEE ? Cette recherche aborde la construction locale de la filière de gestion en Italie et en France en réponse aux objectifs de territorialisation de la directive DEEE, notamment en menant une comparaison entre les villes de Milan et de Toulouse. Le cadre empirique et théorique est construit pour évaluer le fonctionnement du modèle « Clearing house » au travers des relations entre les acteurs impliqués dans la filière : les citoyens-consommateurs, les collectivités territoriales, le système de distribution, les producteurs d’équipements électriques et électroniques, les éco-organismes, le secteur de l’économie sociale et solidaire (ESS) et les opérateurs de traitement. Le concept théorique des régimes sociotechniques est mobilisé pour étudier cette configuration particulière de filière résultant des interrelations entre les parties prenantes à plusieurs niveaux : 1) dimension normative macro, c’est-à-dire la Directive Européenne relative aux DEEE et sa transposition en France et en Italie ; 2) dimension méso : la mise en œuvre du dispositif réglementaire des DEEE à l’échelle urbaine dans les deux contextes ; 3) dimension micro : c’est à ce niveau que se produisent les changements technologiques majeurs au sein de « niches technologiques ».
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».