Le sociologue, le climat, les trames vertes et la ville : croisements complexes et féconds
Bibliographic record
Abstract
Comment rendre compte, d’un point de vue sociologique, des liens entre climat, trames vertes et ville ? Malgré le caractère a priori non sociologique de ces items et de leur association, cet article revient sur les entrées possibles pour aborder, en sociologue, ces questions. Il s’agit d’abord de mobiliser des spécialités sociologiques qui sont peu ou prou liées à ces thématiques, à commencer par la sociologie de la ville, mais aussi celles des sciences et des techniques ainsi que la sociologie de l’environnement. Chacune peut proposer des angles d’approcher propres à contribuer à l’analyse du triptyque climat, trame verte, ville. Par ailleurs, l’article expose un aspect de la démarche de recherche utilisée lors du programme Changements Climatiques et Trames Vertes Urbaines – CCTV. Une approche scientométrique a d’abord permis de valider les liens croissants entre climat et trame verte dans la littérature scientifique. Une analyse qualitative transversale détaille ensuite les principes de ces liens à travers trois dimensions : la première touche aux formes politiques et sensibles de ces liens, la seconde renvoie aux catégories technique et historique de la relation climat/trame verte, la troisième concerne la production de données et les projections.
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 | 0.003 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.009 |
| Science and technology studies | 0.006 | 0.007 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 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".