Écologie et urbanisme : comment les experts du vivant peuvent-ils contribuer à la conception du cadre urbain ?
Bibliographic record
Abstract
Depuis plus d'un demi-siècle, l'anxiété vis-à-vis de l'érosion de la biodiversité va croissante. Elle s'est traduite par des politiques publiques et des normes législatives visant à réduire l'impact de l'urbanisation. Elle s'accompagne d'une forte demande sociale pour la restauration d'une Nature en ville, exprimée à travers un éventail d'entreprises citoyennes redéfinissant l'espace urbain.Les interrogations scientifiques sont encore nombreuses concernant la composition des écosystèmes urbains, leurs interactions avec les infrastructures artificielles et leur rôle au sein de la biosphère. Toutefois, de nombreux travaux démontrent des effets bénéfiques du vivant en milieu urbain, par exemple face au changement climatique. Des expériences pratiques tentent désormais de réconcilier ville et nature, mais leur bénéfice réel pour la biodiversité ne fait pas toujours consensus. En cause un manque de pertinence des solutions proposées vis-à-vis du fonctionnement des écosystèmes, qui s'explique notamment par l’absence de formation à l’écologie scientifique des professionnels en charge des projets. Cet article s'interroge sur les intérêts qu'auraient les professionnels de l'aménagement à inclure au sein de leurs structures des compétences en écologie. Une présence en interne de ces savoirs favoriserait une compréhension réciproque entre les disciplines, l'intégration efficace du vivant dans les projets d'urbanisme, et une prise en compte exhaustive des composantes du système urbain. Le traitement au cas par cas est un élément clé pour une démarche qualitative et adaptée aux enjeux modernes. Des formations croisées en écologie et urbanisme pourraient favoriser l'émergence de nouveaux métiers à l'interface de ces disciplines.
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 | 0.005 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.006 | 0.020 |
| Scholarly communication | 0.014 | 0.011 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.004 | 0.006 |
| Insufficient payload (model declined to judge) | 0.007 | 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".