La prise en compte de la décroissance démographique dans la planification territoriale : le cas de Saint John, Nouveau-Brunswick
Notice bibliographique
Résumé
La littérature sur les shrinking cities met en évidence la difficulté qu’éprouvent les communautés à reconnaître le caractère structurel de la décroissance démographique. Alors que la prise en compte de scénarios de décroissance dans la planification territoriale permettrait d’augmenter la résilience des territoires, cette pratique demeure marginale dans les communautés à risque. Ce mémoire rédigé sous la forme d’un article scientifique a pour objectif de questionner la faisabilité d’une prise en compte de la décroissance dans la planification territoriale par le biais d’une étude de cas de la ville de Saint John au Nouveau-Brunswick. À partir de l’analyse des documents de planification récents de la Ville et de seize entretiens avec les acteurs clés de l’aménagement, de la politique municipale et du développement économique du Grand Saint John réalisés en 2014, nous montrons qu’une telle prise en compte de la décroissance dans la planification est possible, mais qu’elle résulte d’un ensemble complexe de circonstances. À Saint John, la déception collective causée par l’annulation d’un important projet de raffinerie et le leadership du département d’urbanisme de la ville ont permis d’initier un changement de culture au sein de la communauté et de surmonter le caractère tabou de la décroissance démographique.
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 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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,006 | 0,006 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».