MétaCan
Menu
Retour à la cohorte
Enregistrement W4322711509 · doi:10.4000/vertigo.36477

Freins et leviers de l’adaptation au changement climatique : représentations des acteurs de moyenne montagne

2022· article· fr· W4322711509 sur OpenAlexvenueno aff
Lutoff Céline, Arina Susa, Stéphane La Branche, Chloé Maréchal, Aurélie Chamaret

Notice bibliographique

RevueVertigO · 2022
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueFrench Urban and Social Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceMathematicsPhilosophy

Résumé

récupéré en direct d'OpenAlex

Face au changement climatique les acteurs des collectivités sont amenés à développer des actions pour s’adapter aux effets locaux. Cependant, on constate que ces actions peinent à se mettre en place. Dans cette étude, nous cherchons à identifier quels sont les freins à cette mise en action ou au contraire, ce qui peut constituer des leviers utiles pour l’adaptation. Pour cela, nous nous intéressons particulièrement aux territoires de moyenne montagne aux moyennes latitudes (Alpes, Europe occidentale), régions dans lesquelles les impacts du changement climatique s’expriment déjà très concrètement. Une double enquête réalisée auprès des acteurs des collectivités de la région Auvergne Rhône-Alpes en France permet d’identifier les facteurs en jeu dans le développement de mesures d’adaptation au niveau local. Nuançant ce que la littérature indique, l’étude montre que le défaut d’engagement des collectivités locales de moyenne montagne est moins lié à une faible conscience des enjeux et des effets du réchauffement climatique qu’à l’incertitude qui s’exprime sous trois formes différentes : i) incertitude sur les possibles évolutions futures du climat et des territoires, ii) incertitude sur les modalités de transfert des connaissances sur ces changements et sur leurs effets à des échelles fines, et iii) incertitude concernant la pertinence des actions mises en œuvre et de leurs effets. Les acteurs interrogés, directement impliqués dans l’élaboration des stratégies d’adaptation, révèlent ainsi un besoin d’espace de concertation et de partage d’expériences sur les pratiques et les solutions d’adaptation, mais aussi un besoin d’accompagnement pour entreprendre les changements majeurs nécessaires pour limiter les impacts des changements climatiques sur ces territoires vulnérables.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,050
Score d'incertitude au seuil0,100

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,008
Communication savante0,0060,004
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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.

Tête enseignante Opus0,073
Tête enseignante GPT0,321
Écart entre enseignants0,248 · 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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVertigOMême sujetFrench Urban and Social StudiesTravaux en français237 207