Notice bibliographique
Résumé
Si l'on passe en revue un certain nombre des caractéristiques actuelles de la gestion des risques (naturels, industriels, sanitaires, etc.) dans les pays industrialisés, et que l'on cherche à y déceler des techniques ou pistes de réflexion susceptibles d'ětre utilement transposées dans le domaine de la lutte contre le terrorisme, on est amené à emprunter plusieurs pistes différentes. L'une mène plutôt à un constat d'incompatibilité : la << démocratisation technique >> en cours en matière de gestion des risques, en Europe tout au moins, c'est-à-dire la tendance croissante à l'information, voire à l'implication des usagers, citoyens, ou des populations concernées sur ces questions, s'accommode mal de la propension à la rétention d'informations << à risques >> propres à la lutte antiterroriste. Mais, d'un autre côté, les recherches peuvent sans doute ětre transposées vers la lutte antiterroriste : notamment, les recherches menées sur les difficultés à collationner et ordonner les bases de données d'incidents en vue d'une meilleure prévention des catastrophes; sur les interrogations actuelles concernant l'usage des << retours d'expériences >> dans les systèmes << ultrasûrs >> (nucléaire, aviation); ou celles sur les travaux menés sur la << fiabilité organisationnelle >>. Enfin, les tenants de la posture singulière du << catastrophisme éclairé >> envisagent simultanément les deux domaines.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,010 |
| Communication savante | 0,011 | 0,006 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».