MétaCan
Menu
Retour à la cohorte
Enregistrement W4211054962 · doi:10.4000/vertigo.32199

L’habitant et son territoire dans les procédures d’aménagement : l’exemple de projets éoliens dans l’Allier et dans le Vaucluse, France

2021· article· fr· W4211054962 sur OpenAlexvenueno aff
Pierre Pech, Cécile Gauthier, Justine Muller, Delphine Giney, Hélène Sirota-Chelzen

Notice bibliographique

RevueVertigO · 2021
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueSocial Acceptance of Renewable Energy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceHumanitiesGeographyArt

Résumé

récupéré en direct d'OpenAlex

Cet article propose une exploration de la question des relations entre les individus qui habitent sur un territoire et leur territoire dans le cas précis des projets d’aménagement. Nous nous attachons ici à deux cas de projets d’aménagement d’infrastructures éoliennes dans des secteurs peu denses en France. L’évaluation d'impact environnemental (EIE) s’est imposée comme démarche réglementaire dans la plupart des pays. Cette procédure intègre des enquêtes auprès des habitants des territoires concernés par des projets d’infrastructure. L’enquête menée dans deux secteurs ruraux, dans les départements français de l’Allier et du Vaucluse, concerne les relations entre les représentations des acteurs habitants concernant l’éolien avec leur représentation de leur territoire. Les dires des personnes interrogées permettent d’opposer selon les représentations qu’ont les habitants sur leur territoire. Dans l’Allier, le paysage est ressenti comme pauvre, déclassé, parce que la majorité des habitants et une partie du patrimoine bâti conservent la mémoire d’une activité industrielle considérée comme ayant fait le dynamisme du territoire. L’objet visuel « éolienne » dans le paysage n’est pas considéré comme négatif parce qu’il représente une image positive du territoire. À l’inverse, en Haute Provence, les habitants, pour la plupart des néo-retraités ou des résidents secondaires périphériques de grandes villes voient les éoliennes négativement.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,172
Score d'incertitude au seuil0,342

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0080,005
Communication savante0,0050,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,276
Écart entre enseignants0,261 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVertigOMême sujetSocial Acceptance of Renewable EnergyTravaux en français237 207