La politique de l’eau de l’Union européenne : vers une gestion quantitative des ressources hydriques ?
Bibliographic record
Abstract
Depuis ses origines, la politique européenne dans le domaine de l’eau a toujours privilégié la gestion de la qualité, notamment à travers la lutte contre la pollution de l’eau, et ce, au détriment de la gestion quantitative et de la lutte contre la désertification et contre la sécheresse. Même si la directive-cadre dans le domaine de l’eau et la récente communication de la Commission sur la rareté de l’eau et la sécheresse de 2007 abordent la gestion quantitative des ressources hydriques, ces mesures ne constituent que la genèse d’une législation communautaire cohérente et solide concernant la disponibilité en eau. Dans l’étude qui suit, l’auteure analyse l’évolution du partage des compétences entre l’Union européenne et les États membres quant à la gestion de l’eau en partant du traité de Rome jusqu’au traité de Lisbonne. D’autre part, elle explore le dispositif européen en matière de gestion quantitative de l’eau, ce qui lui permet de mettre en évidence l’approche communautaire actuelle qui a pour objet de combattre la raréfaction des ressources hydriques dans un contexte de nouveaux défis liés au changement climatique.
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 | 0.006 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.007 |
| Scholarly communication | 0.008 | 0.005 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 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".