Social impact assessments of large dams throughout the world: lessons learned over two decades
Notice bibliographique
Résumé
Abstract The dams reviewed in this paper — Three Gorges in China, Ilisu in Turkey and Urra in Colombia — are controversial and the assessment of their social impacts represents a challenge. This paper emphasizes the complexity of the institutional setting and social impacts of these projects as well as the specific problems raised by their assessment, which result from the magnitude, intensity and visibility of these impacts. The paper draws lessons from these projects on SIA methods, impact perception, the analysis of project alternatives, the design of mitigation and compensation measures, social monitoring and follow-up, as well as ethical boundaries. Keywords: damshydroelectric projectsenvironmentalimpact assessmentresettlement issueshuman impactssocial impacts
Conservé avec la notice de tri, où il sert de preuve aux étiquettes ci-dessus.
Comment cette classification a été obtenuedéplier
Le tri à trois modèles
les 5 600 travaux triés →1 modèle sur 3 a qualifié ce travail de métarecherche. Ce travail est contesté : il se situe à la frontière empirique du domaine, et son statut dépend du modèle interrogé. C'est l'un des 51 travaux du dossier des désaccords.
Lessons on social impact assessment methods from large dam projects; the object is regulatory assessment practice rather than scholarly research practice, but the methodological framing puts it near the boundary.
The work draws cross-case lessons about social impact assessment methods, monitoring, alternatives, and ethical practice.
Lessons on social impact assessment of large dams; project impact methods, not study of research itself.
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».