Aménager les rivières et réduire les risques pour développer le tourisme nautique en France (1904-1924)
Bibliographic record
Abstract
Le Canoë Club développe le tourisme nautique à partir de 1904. Ses membres explorent les cours d'eau français. Ils relèvent les difficultés, topographient les rivières, compilent des informations, éditent des guides pour permettre l'expansion de la pratique sportive. Ils participent à l'aménagement des rivières et tentent de rendre prévisible les dangers pour la préparation de descentes de rivière par tous les membres du club. Il est nécessaire de rendre le risque acceptable. Pour cela l'action du Canoë Club va s'orienter vers un aménagement du cours d'eau en repérant les dangers, en identifiant les difficultés et en proposant des aménagements qui visent à la réduction des risques objectifs tels que les barrages, les moulins, les usines, etc. En même temps, les canoéistes s'approprient le risque, relativisent le danger. Les longues préparations des expéditions permettent d'avoir une connaissance livresque de la descente, ce qui fait apparaître deux visions différentes, opposant la violence de la rivière au calme du cours d'eau. C'est à partir de ces deux visions que les canoéistes s'approprient le risque comme le montre l'analyse faite des crues et des inondations.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.006 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.017 | 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".