MétaCan
Menu
Back to cohort
Record W2152994655 · doi:10.4000/vertigo.16413

Temps de la métropole, temps des déchets. Le cas de Buenos Aires (Argentine)

2015· article· fr· W2152994655 on OpenAlexaffvenue
Marie‐Noëlle Carré

Bibliographic record

VenueVertigO · 2015
Typearticle
Languagefr
FieldSocial Sciences
TopicEnvironmental Justice and Health Disparities
Canadian institutionsUniversité de MontréalUniversité du Québec à Montréal
Fundersnot available
KeywordsPolitical scienceHumanitiesArt

Abstract

fetched live from OpenAlex

La gestion des déchets à Buenos Aires, métropole argentine de 14,5 millions d’habitants, a connu des reconfigurations importantes depuis les années 2000. Les revendications citoyennes en faveur d’une gestion plus respectueuse de l’environnement émergent en pleine crise de 2001, et ne sont pas sans rappeler les débuts du système sociotechnique instauré en 1977. Au lendemain du coup d’État militaire, le gouvernement de facto lançait l’un des projets d’aménagement du territoire métropolitain des plus amples. Les déchets participent durant plusieurs décennies à la construction physique des territoires, avant que les accusations d’atteinte à la sécurité sanitaire des riverains n’entravent ce processus. L’article part de l’hypothèse que ces phases de rupture et de réorganisation de la gestion des déchets sont liées aux dynamiques spatiales et temporelles de la métropole. Les crises permettent donc de comprendre l’évolution différenciée d’une agglomération inégalement reliée au reste du monde, mais dépendante des recommandations internationales pour planifier son devenir. Dans le but de montrer ce que le temps « fait » à l’action publique territoriale des déchets, le travail se divise en trois parties. La première présente la construction du cinturón ecológico en 1977. La seconde montre comment ce dispositif est ébranlé par les changements des territoires métropolitains, du paradigme environnemental et des modalités de la gouvernance territoriale. La dernière présente les interrogations inédites que suscitent les transformations mises en œuvre suite à cette crise. Elles portent sur la manière de « bien faire » dans le futur, tout en invitant à tirer des enseignements du passé.

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 imitation

Not 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.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.001
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Qualitative · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.188
Threshold uncertainty score0.375

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0000.001
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.001
Science and technology studies0.0020.001
Scholarly communication0.0030.001
Open science0.0000.001
Research integrity0.0000.001
Insufficient payload (model declined to judge)0.0190.001

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.

Opus teacher head0.041
GPT teacher head0.328
Teacher spread0.287 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designQualitative
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2015
Admission routes2
Has abstractyes

Explore more

Same venueVertigOSame topicEnvironmental Justice and Health DisparitiesFrench-language works237,207