MétaCan
Menu
Retour à la cohorte
Enregistrement W2611837716 · doi:10.4000/vertigo.18323

L’intérêt de conserver un espace vert de loisirs : un objet de recherche à part entière

2017· article· fr· W2611837716 sur OpenAlexvenueno aff
Charlotte Birks

Notice bibliographique

RevueVertigO · 2017
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueFrench Urban and Social Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceArt

Résumé

récupéré en direct d'OpenAlex

Afin d’expliquer l’intérêt des propriétaires pour la conservation d’espaces verts (semi-naturels), il est souvent fait référence à des termes génériques pratiques, en invoquant, par exemple, des intérêts touristiques, environnementaux, politiques, culturels ou patrimoniaux. À force d’être employés, ces termes finissent presque par perdre les significations pourtant différentes qu’ils peuvent revêtir à l’échelle locale, en fonction des propriétaires des lieux et des contextes dans lesquels ils s’inscrivent. Face à ce constat, le présent article se propose de mettre en perspective la notion de conservation d’espaces verts et d’étudier les conditions d’émergence de ces intérêts de sauvegarde, à partir de l’étude de trois types de propriétaires/gestionnaires d’espaces végétalisés : une entreprise privée de grande distribution, une municipalité et une famille de la noblesse française. Leur point commun réside dans la volonté d’y développer des activités de loisirs d’extérieur. Une démarche ethnographique a été menée sur chacun de ces trois sites, comprenant des enquêtes par entretiens auprès des gestionnaires ainsi qu’une recherche de données historiques. Derrière un même intérêt a priori commun d’ordre touristique (ouvrir au public, favoriser des activités de détente de plein air, répondre aux attentes, etc.), se révèlent trois histoires différentes d’intérêts complexes qui se renforcent, s’officialisent et se collectivisent au fil du temps.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,014
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0040,013
Communication savante0,0100,008
Science ouverte0,0010,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,151
Tête enseignante GPT0,346
Écart entre enseignants0,195 · 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'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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVertigOMême sujetFrench Urban and Social StudiesTravaux en français237 207