Évaluer ex ante la pertinence de projets locaux d’adaptation au changement climatique
Bibliographic record
Abstract
Ce texte présente une méthodologie d’évaluation ex ante des projets d’adaptation au changement climatique qui repose sur le principe selon lequel éviter les maladaptations (environnementales, socioculturelles et économiques) est une voie pertinente pour engager un processus d’adaptation. Il repose sur une expérience de terrain concrète (projet The Other Migrants). L’article détaille la démarche. En préalable à l’élaboration de « critères significatifs » et d’« indicateurs de pertinence » des projets par rapport à l’enjeu d’adaptation, de nouvelles bases conceptuelles sont posées quant à l’identification des communautés dites « vulnérables ». La définition du GIEC est ainsi affinée pour être rendue plus opérationnelle. Les critères et indicateurs sont ensuite décrits, puis la méthodologie d’évaluation ex ante appliquée à des projets concrets. Trois conclusions principales ressortent. (i) Éviter les maladaptations constitue réellement un angle d’entrée privilégié pour mettre en œuvre l’adaptation, car il permet d’identifier dès aujourd’hui des lignes d’action concrètes. (ii) L’approche ex ante permet de rapprocher porteurs de projets et bailleurs de fonds en élaborant des bases communes d’évaluation. Or, celles-ci s’avèrent indispensables pour la mise en cohérence des multiples initiatives d’adaptation, clairement appelées à se multiplier dans le contexte de croissance – espérée exponentielle – des fonds pour l’adaptation. (iii) L’évaluation ex ante des projets d’adaptation est tout aussi importante que leur évaluation ex post, aujourd’hui dominante, en ce sens qu’elle participe en amont, et en complément du suivi de la mise en œuvre et de l’efficacité des projets, à une optimisation des efforts pour l’adaptation.
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 | 0.010 | 0.028 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 0.002 |
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".