L’influence des parties prenantes dans les grands projets urbains
Bibliographic record
Abstract
Plusieurs villes réalisent actuellement de grands projets urbains favorisant leur rayonnement international et leur positionnement dans un contexte de compétition interurbaine. Ces projets complexes font appel à une multitude de parties prenantes, c’est-à-dire de groupes ou d’individus pouvant affecter ou être affectés par le projet : décideurs publics, acteurs économiques, société civile, professionnels de l’aménagement, etc. L’analyse comparative de la structure organisationnelle (l’ensemble des parties prenantes et les relations entre elles) et des mécanismes de gestion (outils stratégiques, outils tactiques de l’aménagement, outils de participation citoyenne) de deux grands projets urbains – le Quartier des spectacles de Montréal (Canada) et Lyon Confluence à Lyon (France) – montre comment cette structure et ces mécanismes déterminent l’influence des différentes parties prenantes sur le projet. Malgré le fait que la participation ait favorisé l’information du public, l’adhésion citoyenne, et le processus décisionnel, l’étude montre que dans les deux cas les décisions stratégiques ont été prises par des « élites urbaines » (Pinson, 2009). Bien que ces « élites urbaines » soient plurielles, la puissance publique domine le projet urbain à Lyon, tandis qu’il est dirigé par des élites urbaines publiques et privées à Montréal. L’étude permet également de souligner les avantages et les inconvénients des modèles de participation proposés par S. Arnstein (1969) et UN-Habitat (2009).
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 | 0.003 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.003 |
| Scholarly communication | 0.005 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 0.001 |
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".