MétaCan
Menu
Retour à la cohorte
Enregistrement W2771564679 · doi:10.4000/vertigo.18598

La participation citoyenne au prisme de la gestion de l’eau. Quel rôle et quelle place pour les Parcs Naturels Régionaux français?

2017· article· fr· W2771564679 sur OpenAlexvenueno aff
Mélanie Ferraton, Fabien Hobléa

Notice bibliographique

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

Résumé

récupéré en direct d'OpenAlex

La participation des citoyens à la gestion de l’eau s’impose aujourd’hui non seulement en tant qu’injonction règlementaire, mais aussi comme une profonde aspiration sociale. La mise en œuvre de pratiques participatives, en vertu de la Gestion intégrée de la ressource en eau (GIRE), est désormais partie intégrante de la mission des gestionnaires, ce qui implique de nouveaux modes de gouvernance et de travail. En France, les législations en la matière fixent les lignes directrices de cette approche participative, mais restent très floues sur ses objectifs et les moyens de sa mise en œuvre. Cette ambiguïté laisse une marge de manœuvre considérable aux gestionnaires, mais génère également des incertitudes sur ses tenants et aboutissants. Ainsi, mettre en œuvre la GIRE suppose de composer avec une diversité d’acteurs et d’actions aux formes et objectifs variés. Dans cet article, en analysant le cas de la gestion de l’eau dans les Parcs naturels régionaux (PNR) du Sud-Est français, nous mettons en lumière la complexité de la mise en œuvre de la participation citoyenne. Nous posons alors notre regard sur les réponses des collectivités territoriales pour institutionnaliser la participation, afin de dégager les principaux défis et moyens pour optimiser l’efficience de l’approche participative de la GIRE, à partir du retour d’expérience des PNR.

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)0,004
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,282
Score d'incertitude au seuil0,560

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0120,013
Communication savante0,0080,004
Science ouverte0,0010,005
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0150,002

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 Opus0,031
Tête enseignante GPT0,305
Écart entre enseignants0,274 · 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'étudeObservationnel
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

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVertigOMême sujetFrench Urban and Social StudiesTravaux en français237 207