Pour le meilleur et pour le pire ! Les arbres en ville peuvent-ils faire patrimoine ? Analyse des spatialités concurrentes arbres-riverains à Grenoble
Bibliographic record
Abstract
Patrimonialiser la nature en ville ne va pas de soi. À Grenoble, l’analyse de deux mille lettres de plainte adressées au service des espaces verts et des entretiens auprès des gestionnaires de ce service nous permet de mettre au jour une concurrence spatiale entre les citadins et les arbres. Le caractère vivant des arbres urbains dérange les riverains. En miroir, leurs incivilités portent atteinte au bon développement des arbres. De plus, de nouveaux modes de gestion qui proposent de « laisser faire la nature » complexifient encore le problème. Enfin, les arbres servent souvent d’écran à des préoccupations « qui n’ont rien à voir avec eux » : les conflits dont ils font l’objet tiennent davantage à des rapports de voisinage ou à des relations élus-administrés marqués par la frustration ou l’incompréhension. Dans ce contexte, nous esquissons un processus de patrimonialisation « freiné » qui tente, sans y parvenir vraiment, de faire accepter les arbres pour ce qu’ils sont.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 0.002 |
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".