La perception des changements environnementaux : le cas de la collectivité côtière de Shippagan (Nouveau-Brunswick, Canada)
Bibliographic record
Abstract
Dans un contexte d’accompagnement des communautés côtières visant à mettre en place des stratégies d’atténuation et d’adaptation aux changements environnementaux, il nous paraît capital de comprendre la perception de ces changements par les membres de la collectivité. Le but de notre étude est de vérifier dans quelle mesure une description des changements environnementaux recueillie auprès d’une communauté côtière correspond aux données quantitatives compilées pour la région d’intérêt. Nous avons mené des entrevues semi-dirigées et animé un focus group avec des résidents du territoire de Shippagan (NB, Canada). La discussion ciblait six thèmes généraux (changements climatiques, variation du niveau marin, érosion, pollution du milieu marin, biodiversité, ressources en eau potable). En parallèle, nous avons compilé les données environnementales et climatiques pour la zone de Shippagan, en utilisant les archives de divers ministères et d’organismes non gouvernementaux. Nous avons pu obtenir à la fois des données quantifiées et des informations issues du savoir local pour onze variables environnementales ou climatiques. Les tendances temporelles rapportées par le savoir local concordent avec les données quantitatives pour six variables. Certains cas où les séries chronologiques semblent différer du savoir local pourraient découler d’un décalage entre les échelles temporelles des deux sources de données. En termes de gestion, ces recoupements entre savoir local et séries chronologiques quantifiées pourraient se traduire en motifs d’action et favoriser la mobilisation de la communauté pour la prise en charge de la qualité environnementale et la mise en place de stratégies d’adaptation aux changements climatiques.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.006 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
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 teacher head, 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".