Unités Paysagères et services écosystémiques, l’exemple des récifs coralliens
Bibliographic record
Abstract
Les services écosystémiques sont une manière récente de voir le monde sous le prisme de l’économie. Facilitant l’intégration de l’environnement dans la décision publique, ils font l’objet d’une demande grandissante. Les récifs coralliens n’échappent pas à cette évolution. L’évaluation économique des services écosystémiques qu’ils génèrent se fait sous la forme d’une valeur économique totale, qu’on applique à l’ensemble d’un récif donné, considéré comme un capital naturel, sans tenir compte de son hétérogénéité en matière de géomorphologie, d’habitats, de biocénoses et d’usages. Cette isotropie fonctionnelle du capital naturel récif, perçu comme une boîte noire, constitue une puissante contrainte pour intégrer l’évaluation des services écosystémiques qu’il génère à la gouvernance locale. La solution consiste à croiser cette conception économique à une conception géographique considérant le récif comme un paysage, composé d’espaces ressources générant des services écosystémiques spécifiques. Mais cette vision pluridisciplinaire se heurte à la financiarisation grandissante de l’évaluation économique des services écosystémiques. Cette évolution ne peut conduire qu’à une impasse, car elle consacre le découplage entre l’écosystème et sa valeur. Il est donc urgent de mieux intégrer le paysage dans l’évaluation des services écosystémiques.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.014 | 0.003 |
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".