Les exercices de prospective énergétique à l’épreuve des mutations des modes de vie
Bibliographic record
Abstract
Parmi les outils et processus d’aide à la décision mobilisés face aux enjeux de long terme qu’implique la transition énergétique, la prospective occupe une place centrale. Dans cet article, nous nous intéressons à la manière dont les évolutions des modes de vie – qui constituent une composante fondamentale des consommations d’énergie directe et indirecte – sont considérées dans les exercices de prospective énergétique. A cette fin, treize exercices menés à l’échelle de la France sont passés au crible d’une grille de lecture ciblée. Ce travail confirme le constat d’une prise en compte très partielle des évolutions des modes de vie dans la plupart des exercices de prospective. Néanmoins l’enjeu fait partie des questions émergentes comme l’illustre un petit nombre d’exercices récents. Complétée d’une monographie de cinq études et projets de recherche pionniers, la revue de littérature permet d’amorcer une réflexion sur les perspectives qu’offre la prise en considération d’évolutions des modes de vie dans les exercices à caractère prospectif dans le cadre de la transition énergétique. Les limites des outils de modélisation prospective actuels dans ce contexte d’utilisation sont également abordées.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.005 | 0.005 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.016 | 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".