Gestion durable de la ressource en eau : l'utilisation du paiement pour service environnemental au service de la protection des captages
Bibliographic record
Abstract
La mise en évidence de l’interdépendance de certaines activités économiques vis-à-vis des services écologiques fournis par le bon état des milieux aquatiques a conduit à passer d’une gestion individualisée (où l’usager agit en fonction de ses propres objectifs et intérêts) à une gestion collective de la ressource en eau visant à la recherche d’un bénéfice global à travers la mise en œuvre de montages institutionnels concernant le maintien (ou la fourniture) d’un ou de plusieurs services écologiques. Le recours à des mécanismes de marché, comme le paiement pour services environnementaux (PSE), participe d’un enjeu visant à encourager des choix qui non seulement intègrent la valeur économique des services écologiques (ou le coût de leur perte), mais conduisent aussi à des formes de gouvernance adaptées aux enjeux environnementaux propres à chaque territoire concerné. Le PSE constitue un instrument financier d’incitation à un changement de comportement ou de pratique de la part de celui ou de ceux qui sont à l’origine de la dégradation environnementale. En France, une première expérience de PSE conduite par la Société des eaux minérales Vittel a permis de mettre en évidence les besoins et risques attachés à la mise en œuvre d’un tel mécanisme.
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.003 | 0.005 |
| Scholarly communication | 0.009 | 0.005 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.021 | 0.003 |
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".