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 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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.006 |
| Science and technology studies | 0.006 | 0.004 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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 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".