Les observatoires du trait de côte en France métropolitaine et dans les DOM
Bibliographic record
Abstract
En préalable à l’engagement 74 du Grenelle de la mer « développer une méthodologie et une stratégie nationale pour la gestion du trait de côte, pour le recul stratégique et la défense contre la mer […] », une synthèse des travaux menés sur l’observation du trait de côte en France métropolitaine et dans les DOM a été réalisée par le BRGM à la demande du MEEDDM. Les conclusions de cette étude insistent sur la très forte hétérogénéité des observatoires allant du suivi ponctuel et limité dans l’espace, à des suivis pérennes régionaux impliquant de nombreux acteurs. Ces différents cas de figure permettent d’établir une typologie en quatre classes des différents types d’observatoire. Ce travail insiste également sur la diversité des maîtres d’oeuvre en charge de ces « observatoires », ayant pour conséquence une hétérogénéité des méthodes et des protocoles d’acquisition des données. De ce fait, la comparaison des informations d’un observatoire à l’autre n’est pas toujours aisée. De même, les diverses modalités de stockage de cette information indiquent que d’un opérateur à l’autre, l’interopérabilité des métadonnées reste faible. Comme le montre l’étude de cas qui est traitée en fin d’article (l’Observatoire du Domaine Côtier de l’IUEM), la mise aux normes des données acquises suivant la directive européenne INSPIRE, accompagnée d’une meilleure structuration et d’une pérennisation des suivis, apparaissent nécessaire. Cela favoriserait les possibilités d’échange et permettrait d’obtenir une vision claire de l’évolution du trait de côte en France métropolitaine et dans les départements d’Outre-mer sur le long terme.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".