MétaCan
Menu
Retour à la cohorte
Enregistrement W4232077613 · doi:10.4000/vertigo.32355

Engager les pratiquants de loisirs dans la gestion des invasions biologiques : une co-production territoriale

2021· article· fr· W4232077613 sur OpenAlexvenueno aff
Jeoffrey Dehez

Notice bibliographique

RevueVertigO · 2021
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueFrench Urban and Social Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceHumanitiesPhilosophy

Résumé

récupéré en direct d'OpenAlex

Engager les pratiquants de loisirs dans la gestion du milieu naturel suppose d’être en capacité d’imaginer des modes de coordination adéquats, jusqu’à présent plutôt conçus par et pour les experts de la profession. Dans cet article, nous proposons de réfléchir à cette question à partir du cas des plantes aquatiques invasives, en étudiant les dispositifs mis en place sur les lacs Aquitains, dans le Sud Ouest de la France. Nous abordons ces dispositifs comme des processus de co-production territoriale, grâce à des outils d’analyse empruntés à l’économie des services. Nous montrons que les expérimentations ayant réussi à impliquer des pratiquants valorisent tout d’abord leurs compétences opérationnelles et relationnelles, et assez peu (voire pas) expertes. Ces formes d’actions collectives sont autant conditionnées par les plantes que par les supports sur lesquels celles-ci se développent. Dans ce contexte, l’implication des pratiquants de loisirs va largement contribuer à façonner la nature des actions mises en place et, par ce fait, conférer une dimension territoriale à la gestion. Ce processus s’accompagne néanmoins d’une tendance à la micro-localisation des tâches, ainsi que d’une certaine spécialisation des responsabilités, finalement assez peu compatibles avec les dynamiques spatiales des plantes, et que seuls les techniciens et les gestionnaires traditionnels de l’espace semblent en mesure de dépasser. Ces premières initiatives n’en conservent pas moins un caractère pionnier, véritable source d’inspiration pour de futures expériences de gestion participative.

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)0,007
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,015
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0090,015
Communication savante0,0080,006
Science ouverte0,0010,009
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,104
Tête enseignante GPT0,302
Écart entre enseignants0,198 · 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'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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVertigOMême sujetFrench Urban and Social StudiesTravaux en français237 207