MétaCan
Menu
Retour à la cohorte
Enregistrement W7035875102

Apprentissage collectif et résilience des communautés côtières à l'heure des changements climatiques : les cas de Sainte-Flavie et de Rivière-au-Tonnerre (Québec)

2017· other· fr· W7035875102 sur OpenAlexaboutno aff

Notice bibliographique

RevueSémaphore (Université du Québec à Rimouski) · 2017
Typeother
Languefr
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésClimate extremesWestern europeLate 19th century
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

RÉSUMÉ: Les effets des changements climatiques soulèvent de nombreux défis en termes de développement territorial pour les communautés côtières. Elles doivent anticiper les risques inhérents au phénomène et développer des stratégies pour assurer leur adaptation aux nouvelles conditions marquées d’incertitude sociale, économique et environnementale. Cette thèse doctorale se penche sur les défis que pose une meilleure compréhension des processus d’apprentissage collectif pour faire face aux effets des changements climatiques, dans une perspective de renforcement des capacités de résilience des communautés. Nous poursuivons les objectifs suivants : documenter les représentations des acteurs à l’égard des changements climatiques dans les communautés, en rapport avec le développement territorial ; montrer les liens entre les représentations des acteurs à propos des changements climatiques et les processus d’apprentissage collectif ; recenser les stratégies formulées par les acteurs qui contribuent à l’adaptation aux changements climatiques dans les communautés ; dévoiler les formes d’organisation sociale mises en place par les communautés dans une perspective d’adaptation aux changements climatiques ; et enfin, montrer comment les processus d’apprentissage collectif influencent les capacités de résilience des communautés côtières à l’égard des changements climatiques. Dans cette perspective, nous avons privilégié l’approche qualitative de recherche englobant les cas des communautés côtières de Sainte-Flavie et de Rivière-au-Tonnerre au Québec. \nNos résultats indiquent que les processus d’apprentissage collectif dans ces communautés concernent : le dialogue et l’échange, la communication et l’information, la consultation et la réflexion collective. Il s’agit des processus qui aboutissent à des changements dans les représentations des acteurs et dans les stratégies vis-à-vis des changements climatiques à l’échelle individuelle et collective. Ils favorisent en outre l’émergence de formes d’organisation sociale qui sont des arrangements d’acteurs dont l’intention est de mettre en place les stratégies formulées. Nous constatons en somme que les processus d’apprentissage collectif renforcent la résilience des communautés de Sainte-Flavie et de Rivière-au-Tonnerre en stimulant des boucles d’apprentissage qui augmentent leurs capacités d’adaptation et d’auto-organisation, ainsi que la résilience tantôt « statique », tantôt « dynamique » des territoires. -- Mot(s) clé(s) en français : Apprentissage collectif, apprentissage social, résilience, système social-écologique, communauté, développement territorial, zone côtière, changements climatiques, Québec, adaptation. -- ABSTRACT: Climate’s change effects raise several challenges in terms of territorial development for coastal communities. They have to anticipate the inherent risks of the phenomenon and formulate strategies to adapt to a new context characterized by social, economic and environmental uncertainty. This doctoral thesis examines the challenges of a better understanding of collective learning processes in order to address climate change effects and build community resilience. This study has the following objectives : to document actors’ representations of climate change in communities, in relation to territorial development ; to show the links between actors’ representations about climate change and collective learning processes ; to inventory the strategies formulated by actors that contribute to climate change adaptation in communities ; to reveal the forms of social organization put in place by communities to climate change adaptation ; and finally, to show how collective learning processes influence coastal communities’ resilience capacities to address climate change effects. To achieve these objectives, we have favoured a qualitative research approach to conduct a study about two cases, Sainte-Flavie and Rivière-au-Tonnerre, which are coastal communities, in Quebec. \nOur results demonstrate that collective learning processes in these communities involve : dialogue and exchange, communication and information, consultation and collective reflection. These processes lead to changes in actors’ representations and strategies to adapt to climate change at individual and collective levels. Furthermore, they foster the emergency of social organization forms which are arrangements of actors seeking to implement the strategies formulated. Collective learning processes strengthen the resilience of Sainte-Flavie and Rivière-au-Tonnerre communities by stimulating learning loops that reinforce their abilities to adapt and self-organize, as well as « static » and « dynamic » resilience of territories. -- Mot(s) clé(s) en anglais : Collective learning, social learning, resilience, social-ecological system, community, territorial development, coastal zone, climate change, Quebec, adaptation.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,153

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0080,003
Communication savante0,0030,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,020
Tête enseignante GPT0,260
Écart entre enseignants0,240 · 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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSémaphore (Université du Québec à Rimouski)Travaux en français237 207