MétaCan
Menu
Retour à la cohorte
Enregistrement W1971445828 · doi:10.4000/vertigo.15385

Vers une politique française de compensation des impacts sur la biodiversité plus efficace : défis et perspectives

2015· article· fr· W1971445828 sur OpenAlexvenueno aff
Céline Jacob, Fabien Quétier, James Aronson, Sylvain Pioch, Harold Levrel

Notice bibliographique

RevueVertigO · 2015
Typearticle
Languefr
DomaineEnvironmental Science
ThématiqueEnvironmental Conservation and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical sciencePhysicsPhilosophy

Résumé

récupéré en direct d'OpenAlex

La question de la compensation des impacts résiduels des projets d’aménagement sur la biodiversité suscite de nombreux débats : droit à détruire pour les uns, taxe non assumée pour les autres. Les recommandations sur la bonne application de la séquence Eviter – Réduire – Compenser publiées en 2012 et 2013 par le ministère français en charge de l’environnement affichent une forte ambition, et de solides bases théoriques, afin de respecter le principe de « no net loss » (pas de perte nette) de biodiversité. Toutefois, l’analyse des textes et la comparaison avec les expériences internationales, montrent que la forte demande de solutions de compensation couplée à l’absence d’exigences clairement formulées en termes de moyens techniques, juridiques et financiers à mettre en œuvre, et d’évaluation des performances, conduisent les acteurs des procédures d’autorisation à se satisfaire trop souvent de mesures peu performantes en termes écologiques (pertes nettes), et avec de faibles garanties de pérennité. En France, ce travail de conception de la compensation a été transféré vers les services instructeurs de l’État en région, voire aux aménageurs eux-mêmes, ce qui génère des solutions de compensation, conçues au cas par cas, très hétérogènes dans leurs définitions et leurs mises en œuvre. Si les défis institutionnels et scientifiques soulevés par la mise en œuvre de la compensation ne sont pas résolus, alors les craintes d’un échec du pari d’un aménagement plus durable seront avérées : la France se sera satisfaite de compensations « de papier ».

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,017
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,156
Score d'incertitude au seuil0,309

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,019
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0070,018
Communication savante0,0170,011
Science ouverte0,0020,004
Intégrité de la recherche0,0070,008
Charge utile insuffisante (le modèle a refusé de juger)0,0120,002

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 Opus0,022
Tête enseignante GPT0,240
Écart entre enseignants0,218 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations15
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVertigOMême sujetEnvironmental Conservation and ManagementTravaux en français237 207