Comparing social representations of the landscape: a methodology
Notice bibliographique
Résumé
Social representations (SRs) are systems of values, ideas, and practices that characterize individuals' and social groups' relationships to both their social and natural environment. Comparing SRs between places, social groups, and through time is critical to understanding how social-ecological systems (SESs) and their diverse uses are perceived, interpreted, and understood. This knowledge needs to be taken into account to achieve efficient land use management of SESs such as agricultural landscapes. People's perceptions of the landscape are increasingly studied in sustainability sciences and a growing number of studies use the SR framework for analyzing differences in SRs between stakeholders and localities or for detecting changes over time. Robust methodologies able to compare SRs are required for this purpose. In this paper, we propose a modular approach to studying SRs from words collected from free listing tasks. This approach relies on standardizing definitions of frequency thresholds commonly used to assess SR content, consensus level, and structure. We then illustrate the value of this methodological approach through a comparative study of farmers' social representations of the agricultural landscape among four contrasted social-ecological contexts in France. We show how our comparative method allows for characterizing spatial variations in SRs and identifying social-ecological factors that influence the structuration and content of SRs. Finally, we discuss our methodological progress and the implications of our results for public policies aimed at managing SESs and in particular agricultural landscapes for conservation.
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) | 0,000 | 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 tête enseignante, 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 ».