Les plantes envahissantes en Polynésie française : un exemple d’approche de la complexité en science de l’environnement
Bibliographic record
Abstract
Introduites pour la plupart dès le début du XXème siècle, les plantes envahissantes représentent en Polynésie française un réel défi pour la sauvegarde de la biodiversité. Aujourd’hui se pose un problème de confinement de ces espèces qui colonisent de nombreuses niches écologiques. Cette colonisation n’a rien de surprenant, elle répond simplement au modèle des successions écologiques en milieu insulaire. Mais surtout, la diversité géographique des introductions et leur rythme accéléré au cours des dernières décennies témoignent de l’ouverture de la Polynésie française à la mondialisation. Ainsi, la question des plantes dites envahissantes ne relève pas uniquement des sciences de « la nature » mais implique également les sciences humaines. Les effets des représentations sociales des espèces et des espaces forestiers ainsi que les politiques locales sont des composantes inhérentes à cette thématique. Aussi, le texte que nous proposons montre que la complexité, dans sa définition première, constitue l’épicentre du sujet. Elle pose un problème de méthode et nous renvoie en outre à la place actuelle de la géographie dans les sciences de l’environnement.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.004 | 0.005 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
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".