MétaCan
Menu
Retour à la cohorte
Enregistrement W2026107944 · doi:10.4000/vertigo.14025

L’expertise, composante essentielle mais insuffisante des stratégies pour la biodiversité : le cas de la démoustication en Camargue (France)

2013· article· fr· W2026107944 sur OpenAlexvenueno aff
Fanny Guillet, Laurent Mermet

Notice bibliographique

RevueVertigO · 2013
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueFrench Urban and Social Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceGeographyPhilosophy

Résumé

récupéré en direct d'OpenAlex

La Camargue, espace d’intérêt biologique notamment pour l’avifaune nicheuse et migratrice, est restée en dehors des zones démoustiquées de la côte méditerranéenne française jusqu'au début des années 2000. Suite à des demandes du secteur touristique et à un épisode d’éclosion exceptionnel en 2005, une démoustication expérimentale est mise en place, accompagnée d’une étude d’impact réclamée par les acteurs d’environnement. Cet article analyse, à partir de ce cas, la relation triangulaire entre les pouvoirs publics, leurs experts, et les acteurs porteurs d’une contre-expertise dans le cas d’une controverse relative à des enjeux de biodiversité. Il adopte le cadre conceptuel de l’Analyse stratégique de la gestion environnementale (Mermet et al., 2005) qui permet d’aborder le rôle des différents acteurs dans la gestion d’un écosystème et leur rôle respectif par rapport à l’enjeu environnemental. On montrera que l’expertise instituée par l’appareil politico-administratif peut l’aider à faire fi d’engagements écologiques pourtant pris par les politiques eux-mêmes. On verra aussi que la présence d’acteurs spécialisés porteurs d’une contre-expertise est déterminante dès lors que se posent publiquement des enjeux d’action concernant la biodiversité. Cette fonction de contre-expertise, positionnée en porte-parole de la biodiversité dans l’arène publique se décline en une série de rôles stratégiques complémentaires que détaille l’article.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,314
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,014
Tête enseignante GPT0,243
Écart entre enseignants0,229 · 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
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVertigOMême sujetFrench Urban and Social StudiesTravaux en français237 207