MétaCan
Menu
Back to cohort
Record W2016752315 · doi:10.4000/vertigo.10482

Les populations insulaires face au changement climatique : des migrations a anticiper

2011· article· fr· W2016752315 on OpenAlexvenueno aff
Christel Cournil, François Gemenne

Bibliographic record

VenueVertigO · 2011
Typearticle
Languagefr
FieldSocial Sciences
TopicClimate Change, Adaptation, Migration
Canadian institutionsnot available
Fundersnot available
KeywordsPolitical scienceHumanitiesGeographyArt

Abstract

fetched live from OpenAlex

Les impacts des changements climatiques sur les pays insulaires sont aujourd’hui démontrés par les scénarii du GIEC. Les conséquences seront d’abord environnementales avec l’élévation du niveau de la mer et la multiplication des événements météorologiques extrêmes, mais aussi et surtout socioéconomiques. Au cours des vingt prochaines années, avec la montée du niveau de la mer et la salinisation des terres, les conditions de vie des populations insulaires vont très vite se dégrader. Les petits Etats insulaires, regroupés au sein de l’AOSIS, ont émis des revendications particulièrement claires à la Conférence de Copenhague, demandant notamment que l’objectif d’augmentation maximale de la température moyenne soit ramené de 2°C à 1,5°C. En particulier, les pays insulaires mettent régulièrement en avant la question des ‘réfugiés climatiques’, qui sont depuis quelques années devenus les visages humains du changement climatique. Au-delà de son aspect symbolique, la question des ‘réfugiés climatiques’ pose une série de défis politiques particulièrement dans le contexte des petits Etats insulaires. La disparition annoncée du territoire de certaines nations suscite aussi des réflexions juridiques sur la protection des futurs réfugiés mais aussi sur une nouvelle forme d’apatridie dues à la continuité juridique et politique d’un État alors que son territoire disparaît.

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 imitation

Not 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.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Science and technology studies, Insufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.625
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0000.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.001
Science and technology studies0.0020.001
Scholarly communication0.0000.001
Open science0.0000.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0020.000

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.

Opus teacher head0.344
GPT teacher head0.363
Teacher spread0.019 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations10
Published2011
Admission routes1
Has abstractyes

Explore more

Same venueVertigOSame topicClimate Change, Adaptation, MigrationFrench-language works237,207