Perception de la qualité de l’air urbain extérieur et information du public : retour sur l’application Air To Go
Notice bibliographique
Résumé
Les controverses citoyennes autour des mesures de la qualité de l’air sont fréquentes dans certains lieux et l’une des explications se trouve être les importants écarts entre ressentis et mesures de la qualité de l’air. Ces controverses témoignent de l’enjeu social et sanitaire lié à cette question et le fait que la pollution de l’air place les populations dans une « ambiguïté perceptive ». L’article interroge la place de la connaissance dans les mécanismes de perception de la qualité de l’air. Dans cette perspective, les Associations agréées de surveillance de la qualité de l'air (AASQA), doivent relever un défi de taille : traduire des connaissances scientifiques complexes en une information lisible et appropriable entrant parfois en contradiction avec les perceptions sensorielles. Suite à la création par Atmo Auvergne-Rhône-Alpes d’une application mobile, Air To Go, diffusant un indice quotidien de qualité de l’air géolocalisé à une échelle d’une précision de 10 mètres, nous nous intéressons à la façon dont l’accès à des informations à une échelle très précise modifie les représentations de la pollution en atténuant le filtre perceptif. Les résultats montrent la nécessité de nuancer l’influence du filtre perceptif sur les représentations de la pollution atmosphérique, à la fois pour améliorer la perception des risques, mais aussi pour changer in fine les comportements en termes d’exposition et d’émission de polluants.
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 | 0,011 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».