Notice bibliographique
Résumé
La dégradation de l’obscurité sous l’effet des usages de lumière artificielle nocturne dans et aux abords des infrastructures humaines est appelée pollution lumineuse. Liée à l’urbanisation, cette pollution déborde les espaces urbains pour affecter les espaces ruraux et les aires protégées. La lutte contre la pollution lumineuse s’organise dans plusieurs pays, dans lesquels des territoires expérimentent des politiques environnementales de protection de l’obscurité. L’enjeu porte à la fois sur la préservation de la biodiversité et la transition énergétiques. En France, quelques territoires ruraux pionniers expérimentent des dispositifs intégrant ce double enjeu. Deux d’entre eux constituent les cas d’étude de cet article. Nous montrons comment ces territoires font de l’obscurité une ressource spécifique. Nous identifions trois processus de spécification. Le premier, suivant une logique utilitariste anthropocentrée, relève de l’économicisation de l’environnement dans la lignée de la shallow ecology. Le deuxième, suivant une logique de conservation écocentrée, relève de l’écologisation radicale de l’économie, dans la lignée de la deep ecology. Le troisième suit une logique socioécosystémique intégrée consacrant l’interdépendance entre le développement, l’aménagement, la préservation de la biodiversité et la sobriété énergétique. Les controverses de spécification travaillent les territoires. Ceux-ci deviennent des territoires d’incubation, c'est-à-dire des espaces de résolution de ces controverses qui se traduisent dans un opérateur de transition permettant au territoire d’emprunter une nouvelle trajectoire de développement et d’aménagement.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,049 | 0,053 |
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 ».