Caractériser les valeurs environnementales au cours du temps : une étape indispensable à la gestion des patrimoines naturels : Le cas de la restauration des bras morts de l’Ain et du Rhône
Bibliographic record
Abstract
Un environnement ne devient patrimoine que s’il représente un bien commun, transmis de génération en génération, en vertu des valeurs qu’elles lui associent. Le caractère patrimonial d’un environnement repose avant tout sur un legs. Pour mieux comprendre le processus de patrimonialisation, il importe donc de consacrer une attention particulière aux valeurs associées aux environnements par les anciennes générations. Ce sont ces valeurs qui contribuent à sélectionner les environnements « méritant » d’être transmis. La restauration des bras morts du Rhône et de l’Ain représente un contexte opérationnel tout à fait pertinent pour analyser ces valeurs : un environnement ne peut être préservé dans le temps que s’il est porteur de sens et perçu comme patrimoine. 31 entretiens ont été menés pour identifier quelles valeurs sont associées aux bras morts par l’ancienne génération. Ils ont fait l’objet d’une analyse de contenu, dont le codage repose sur huit classes de valeur. La pratique des bras morts par la génération ancienne a fait émerger de multiples valeurs. À ce titre, ils représentent à ses yeux des patrimoines naturels. Ce résultat montre que la patrimonialisation peut avoir lieu de manière spontanée, sans pour autant passer par une protection institutionnelle. Il montre également que la patrimonialisation pourrait être remise en cause par une évolution des pratiques sociales. Ces constats soulèvent de nombreuses interrogations pour la gestion des patrimoines naturels.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".