GIZC et élévation du niveau marin : vers une gestion innovante des littoraux vulnérables
Bibliographic record
Abstract
Le phénomène en cours d’élévation du niveau de la mer oblige aujourd’hui les gestionnaires des espaces littoraux, urbains ou naturels, à faire face à des enjeux renouvelés. La gestion des risques littoraux doit donc désormais s’articuler avec le droit positif, jusqu’ici tourné vers la recherche d’un délicat équilibre entre urbanisation galopante et protection des milieux littoraux demeurant à l’état naturel. Il est intéressant de noter que le protocole de Madrid, source juridique de la Gestion intégrée des zones côtières, avait dés 2008 clairement identifié les principes qui doivent guider une gestion durable et partagée du trait de côte : une prise en compte à long terme de l’élévation du niveau de la mer, l’anticipation de ces phénomènes et la mise en place de processus de concertation et de gouvernance élargies. Mais l’expérience de la tempête Xynthia en France oblige aujourd’hui, parallèlement au renforcement des outils juridiques essentiels comme la loi littoral, à imaginer des dispositifs nouveaux et complémentaires qui permettraient d’identifier un nouveau « domaine public littoral » à partir des zones qui seront progressivement submergées, de repenser cette frange littorale comme un espace-tampon protégeant les zones urbaines arrières, et de développer des méthodes de « recul stratégique » ou de « relocalisation des biens et activités » à la fois originales, moins douloureuses et plus équitables.
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 | 0.003 |
| 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 | 0.012 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 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".