Quels sont les impacts des réseaux sociaux sur les milieux naturels? Le cas de la rivière Bonaventure
Notice bibliographique
Résumé
De nos jours, pour plusieurs, le téléphone cellulaire est devenu comme une extension de soi, constamment attaché à leur corps. Il paraît omniprésent même lors des expériences en nature, car, certains se sentent forcés de publier des photos de leur expérience sur les réseaux sociaux. À travers les publications, ils risquent de contribuer à l’achalandage et de favoriser une perspective utilitaire des milieux naturels. Et il semble que c’est le cas pour la rivière Bonaventure. Cela soulève la question, quel est l’impact des réseaux sociaux sur les milieux naturels et plus particulièrement, sur la rivière Bonaventure? Les publications géolocalisées sur l’ensemble de la rivière auraient un indice de corrélation de 0,42 par rapport au nombre de visites. De plus, à travers l’analyse de plus de 1500 photos géolocalisées à différents endroits sur la rivière Bonaventure, la perspective utilitaire de la nature est mise de l’avant dans 96 % des cas. Bien qu’il soit difficile de toujours démontrer l’impact des réseaux sociaux sur des milieux naturels comme celui de la rivière Bonaventure, certaines observations prouvent leur impact. Pour certains milieux naturels, les réseaux sociaux sont responsables de problèmes environnementaux tels que la fragmentation, la perte d’habitat, la dénaturalisation, la production de déchets et le vandalisme pollueur. Socialement, l’achalandage et la perception véhiculée risquent d’amplifier des enjeux de sécurité, réduire l’accès à la population locale, générer de la pollution sonore, et même causer des troubles psychologiques comme le phénomène appelé syndrome de Paris. À l’inverse, les médias sociaux peuvent avoir des impacts positifs, comme pousser les gens à passer du temps en nature, ce qui développe leur intérêt pour la cause environnementale et améliore leur santé physique et mentale en contrant le déficit nature. Finalement, ils représentent une opportunité de récolter des données par la science citoyenne et génèrent des revenus additionnels au sein de l’économie locale. Pour limiter les impacts négatifs, les administrateurs et administratrices peuvent adapter leur gestion selon les connaissances qu’ils acquerront sur le milieu afin de réduire la pression du tourisme sur la rivière. Similairement, l’aménagement et la communication de leurs activités peuvent diminuer l’impact ressenti sur l’écosystème. Les décideurs et décideuses publics ont aussi la capacité de protéger la rivière par leur pouvoir légal. Finalement, plus simplement, les individus peuvent réfléchir avant de partager des publications et respecter les principes d’écotourisme. Bref, sans être criante pour le moment, la situation de la rivière Bonaventure représente un bon exemple québécois des risques que peuvent causer les réseaux sociaux sur un milieu naturel. Il est important d’intervenir maintenant avant qu’il soit trop tard pour la rivière Bonaventure, mais aussi pour l’ensemble des milieux naturels québécois.
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 | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,011 | 0,006 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,026 | 0,004 |
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 ».