Prévenir la maladaptation dans l’action climatique : une lunette « équité »
Notice bibliographique
Résumé
S’adapter aux conséquences des bouleversements climatiques implique des changements majeurs dans plusieurs sphères de la vie quotidienne : travail, loisirs, transports, alimentation, logement, etc. Des politiques structurantes devront être mises en place par tous les paliers de gouvernement. Or, tous les individus ne disposent pas des mêmes moyens pour s’adapter, ni ne participent de façon équivalente aux changements climatiques. C’est en modulant la distribution des efforts et des bénéfices qu’il sera possible d’assurer des mesures d’adaptation équitables. Pour ce faire, il semble judicieux de prioriser l’équité et la multiplication des cobénéfices sur la santé. Le verdissement, fort des cobénéfices sur la santé qu’il procure, figure parmi les mesures d’adaptation reconnues qui s’offrent aux villes. Il peut toutefois avoir des effets indésirés et délétères, surtout pour des populations en situation de vulnérabilité. L’éco-embourgeoisement, par exemple, peut découler du verdissement de quartiers abritant des populations à plus faible revenu et engendrer leur déplacement. Pourtant, ces quartiers historiquement moins pourvus d’arbres et d’espaces verts devraient être verdis en priorité pour réduire les inégalités environnementales. Heureusement, des pistes d’interventions s’offrent aux municipalités dans cet exercice d’équilibriste pour faire du verdissement une solution d’adaptation réellement juste.
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 | 0,001 | 0,000 |
| 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 | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 ».