Bibliographic record
Abstract
L'agglomération de Mexico, à plus de 2000 mètres d'altitude, adossée à la Sierra Madre et la Cordillère Volcanique est assise sur un site accueillant, mais redoutable. Il s'agit d'un des endroits les plus exposés du globe, soumis à une combinaison de risques naturels, de risques technologiques souvent mal maîtrisés dus à des industries lourdes, de nuisances, de cumul des polluants et d'un épuisement des ressources locales utilisables, tout particulièrement les ressources en eau.Après le séisme dévastateur de 1985, les acteurs de l'aménagement de Mexico tentent d'intégrer risques et durabilité dans la définition de nouvelles politiques urbaines. Mais, si les risques sont bien identifiés et des réponses sont données, leur applicabilité est quasi-nulle. Une approche normative et n'incluant pas l'ensemble de l'agglomération, mais utilisant les périphéries pour améliorer la durabilité des centres (sorte de durabilité importée à l'échelle de la métropole) explique cette situation. Comment dans le mythe de Sisyphe, acteurs locaux et nationaux tentent de faire remonter la pente au rocher du risque, mais le rocher finit toujours par redescendre. C'est qu'en réalité le problème n'est pas le rocher. Le problème, c'est la pente, c'est-à-dire le substrat fait de représentations territoriales et d'usages de l'espace qui fondent la société mexicaine, sur laquelle roule le rocher.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".