Les conditions de la résilience des services urbains parisiens par l’apprentissage collectif autour des interdépendances
Bibliographic record
Abstract
Si le concept de résilience, avec ses notions d’absorption, d’adaptation et d’apprentissage à l’occasion d’une perturbation, semble prometteur pour la gestion des villes exposées aux risques, il manque aujourd’hui d’opérationnalité. Notre recherche vise alors, non pas à définir ou évaluer les caractéristiques de la résilience urbaine, mais à construire une démarche collaborative visant à développer une connaissance partagée et améliorer la coordination entre gestionnaires de la ville. En particulier, notre travail porte sur les services urbains qui ont montré leur importance dans la propagation des perturbations et dans le maintien et le rétablissement des fonctions urbaines pendant et après une crise. Sur la base de données collectée lors d’entretiens avec les gestionnaires des services urbains parisiens, des ateliers collaboratifs ont été organisés avec l’appui de la Ville de Paris. Ils ont permis d’améliorer la connaissance commune des interdépendances des services urbains puis de modéliser les stratégies mises en place par chaque service dans le cadre de leur préparation au risque de crue centennale. L’analyse de ces résultats montre la complexité de la situation de la métropole francilienne face au risque d’inondation et le besoin d’une gestion intégrée des grands services urbains : transports, énergie, eau, déchets, télécommunications. L’approche collaborative répond alors au besoin de communication et de coordination exprimé par ces acteurs fortement interdépendants et favorise l’élaboration de solution intégrée et contribuant à la résilience de la ville.
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 | 0.018 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.006 | 0.005 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| 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".