Les capabilités à faire face ou comment repenser la résilience des individus
Notice bibliographique
Résumé
Cet article interroge, dans une perspective critique, les liens existant entre capacités à faire face, vulnérabilité et résilience afin de contribuer à la prévention des catastrophes naturelles. Il s’appuie sur une enquête réalisée en 2016 à Port-au-Prince sur le séisme de janvier 2010. Si la notion de capacité à faire face est largement utilisée dans la littérature et chez les professionnels, elle est rarement définie et n’est pas formalisée. Elle est en revanche associée à la réduction de la vulnérabilité et à l’amélioration de la résilience. Au-delà du problème théorique, on se heurte à un problème opérationnel avec l’impossibilité de définir des actions permettant de développer les capacités à faire face à un risque et/ou une catastrophe. Il faut plus largement se demander comment peuvent naître, exister, et de facto s’exprimer ces capacités, et a fortiori, les conditions nécessaires à leur expression. L’hypothèse principale est que ces capacités à faire face peuvent être définies et développées en s’appuyant sur la notion de capabilités définie par A. Sen et M. Nussbaum. Appliquées à la résilience, les capabilités vont désigner non seulement les capacités à faire face individuelles qui permettent à chacun de s’en sortir, de se relever, de se construire, mais aussi les ressources qui permettent d’activer ces capacités ou, le cas échéant, de pallier leur absence. Il est ainsi nécessaire de prendre en compte ce que nous appelons le « contexte capabilitaire » pour comprendre (et augmenter) la résilience des vulnérables.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,006 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».