Logiciel SIG et pratique de terrain : quel positionnement de l’outil cartographique pour les acteurs du paysage ?
Notice bibliographique
Résumé
Cet article appréhende le paysage au regard de la pratique de terrain (physique et social) et de la manière dont l’outil système d’information géographique (SIG) joue un rôle de médiateur. Comment le SIG reconfigure-t-il le rapport au terrain ? Comment, tant d’un point de vue quantitatif que qualitatif, l’expérience du terrain a-t-elle changé ? Après un état des lieux de la pratique de terrain des utilisateurs, l’article montre comment l’usage du SIG (et des outils associés comme le drone par exemple) crée une distanciation paradoxale au terrain et joue un rôle de médiateur. Le propos repose sur deux types de matériaux complémentaires. Le premier est une conférence utilisateur (structurée autour de quatre retours d’expérience suivis d’une table ronde animée par Thierry Joliveau) qui a été organisée en ligne en juin 2020 sur le thème suivant « Global Mapper, un outil de terrain ? Entre préparation, action et retour d’expérience ». L’événement a permis de croiser le regard de professionnels aux problématiques variées où l’étude du paysage tient une place centrale : la gestion des risques avalancheux, la cartographie des terrains de golf, le notariat et les missions aériennes. Le second est une enquête par questionnaire à destination des utilisateurs de logiciels SIG qui a récolté plus de 350 réponses de pratiquants et non-pratiquants du terrain. Cette enquête permet, entre autres, de montrer une permanence dans l’utilisation de certains outils (comme la carte papier) et comment l’outil numérique invite à la fois à pratiquer le terrain tout en s’en éloignant.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».