MétaCan
Menu
Retour à la cohorte
Enregistrement W2624149846 · doi:10.4000/vertigo.18442

Quantifier les usages de l’eau : une clarification terminologique et conceptuelle pour lever les confusions

2017· article· fr· W2624149846 sur OpenAlexvenueno aff
Martin Calianno, Emmanuel Reynard, Marianne Milano, Arnaud Buchs

Notice bibliographique

RevueVertigO · 2017
Typearticle
Languefr
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensnon disponible
Organismes subventionnairesAgence Nationale de la Recherche
Mots-clésHumanitiesPhilosophyPolitical science

Résumé

récupéré en direct d'OpenAlex

Cet article met en évidence les confusions existantes relatives aux termes employés dans les travaux sur les usages de l’eau : besoins, demandes, apports, consommation, prélèvements. Nous proposons un cadre terminologique adapté aux enjeux de la quantification de ces termes, nécessaire au suivi de la gestion intégrée des ressources en eau (GIRE). Une revue de la littérature permet d’abord d’identifier les termes synonymes de l’usage de l’eau et leurs diverses interprétations. Ensuite, une proposition de terminologie est élaborée autour du concept du cycle d’usage de l’eau, dont la schématisation permet d’illustrer les particularités de chaque terme. Les résultats montrent que les confusions apparaissent principalement au niveau de l’usage même de l’eau, pour lequel les termes associés (besoin, demande, apport et consommation) sont souvent mobilisés de manière imprécise, voire indifférenciée. Les nuances permettant de distinguer ces notions sont décrites via un schéma général de cycle d’usage de l’eau, dont la demande est le moteur principal. Les particularités propres à certains usages sont ensuite schématisées : approvisionnement en eau potable (AEP), irrigation et usages environnementaux. Cette réflexion a été menée conjointement par un géologue, un géographe, une hydrologue et un économiste, ce qui permet d’entretenir le débat sur la terminologie des usages de l’eau et de proposer un essai de synthèse, tel un préalable nécessaire à toute recherche interdisciplinaire sur les « usages de l’eau ».

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 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 enseignants0,500
Score d'incertitude au seuil0,970

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 technologies0,0010,000
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 Opus0,057
Tête enseignante GPT0,284
Écart entre enseignants0,227 · 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.

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

Citations10
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVertigOMême sujetWater resources management and optimizationTravaux en français237 207