MétaCan
Menu
Retour à la cohorte
Enregistrement W2915196964 · doi:10.4000/vertigo.20879

L’articulation entre savoirs et actions dans trois dispositifs environnementaux : conservation, évaluation d’impact et restauration

2018· article· fr· W2915196964 sur OpenAlexvenueno aff
Laura Rodriguez, Vincent Devictor, Virginie Maris

Notice bibliographique

RevueVertigO · 2018
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueFrench Urban and Social Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceArt

Résumé

récupéré en direct d'OpenAlex

Dans les actions sur la nature, les savoirs écologiques sont décisifs et source de légitimation. Les raisons pour lesquelles certains savoirs sont favorisés ou éludés sont cependant rarement explicitées dans les discours. Cet article vise à clarifier les liens qui existent entre le déploiement historique des actions, les savoirs mobilisés et les conceptions de la nature sous-jacentes dans trois modes d’action clés : la planification de la conservation, l’évaluation d’impact environnemental et la restauration écologique, prenant place au sein d’une steppe méditerranéenne (La Crau, France). L’analyse des discours montre que les savoirs s’articulent différemment aux actions selon le contexte de leur institutionnalisation. De plus, ces savoirs sont jugés plus ou moins pertinents pour l’action selon les conceptions de la nature collectives et individuelles des acteurs impliqués. La nature est conçue parfois comme coévolution entre les activités humaines traditionnelles et la biodiversité (en conservation), parfois comme liste d’espèces protégées ou patrimoniales (dans l’évaluation d’impact environnemental), et parfois comme écosystèmes fonctionnels en réseaux (en restauration écologique). La mobilisation des savoirs écologiques, pourtant prépondérants dans les actions sur la nature est guidée par des facteurs contextuels et des conceptions de la nature non formalisées.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,599
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,001
Communication savante0,0000,001
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 Opus0,062
Tête enseignante GPT0,319
Écart entre enseignants0,256 · 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.

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

Citations8
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVertigOMême sujetFrench Urban and Social StudiesTravaux en français237 207