Bibliographic record
Abstract
Ancien Haut-fonctionnaire européen.L orsqu'on s'intéresse aux dynamiques des acteurs tiers en Méditerranée, la mer Noire offre un contrepoint intéressant : d'une part, celle-ci (Karadeniz en turc) n'est que le prolongement de la mer Méditerranée encore appelée mer Blanche (Akdeniz en turc) ; d'autre part, les jeux d'acteurs qui s'y déroulent, voire leurs rivalités, ne sont pas sans lien avec ceux qui se produisent en Méditerranée.A la charnière des périphéries méridionale et orientale de l'Europe, le bassin de la mer Noire présente de nombreux aspects particuliers, qui vont de son étrange histoire géologique à ses perspectives économiques, radicalement modifiées depuis la fin de la guerre froide.Après avoir été l'un des maillons de la géopolitique linéaire des affrontements entre la Russie et ses voisins, il est pour la première fois de son histoire au centre d'un espace ouvert et polycentrique, participant à la fois de l'Europe, du Moyen-Orient et de la Russie.Son avenir est riche d'opportunités, mais son présent est affecté par une communauté de problèmes, de l'état désastreux de l'environnement aux conflits de frontière, en passant par le retard économique.Nouvelle venue dans la région, l'Union européenne veut aider à les résoudre en développant la coopération transnationale 1 autour du bassin maritime. Un milieu naturel original et fragileLa mer Noire 2 forme un espace d'environ 430 000 km², où convergent plusieurs grands bassins hydrographiques, qui couvrent plus de 2.3 millions de km² et où résident 160 millions d'habitants dans plus de vingt pays.Confrontation ou coopération dans le bassin de la mer noire ?Méditerranée
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 | 0.004 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.011 | 0.008 |
| Scholarly communication | 0.006 | 0.005 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.015 | 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".