Mettre cartes sur table et parler de son territoire de l’eau : un (en)jeu pour les acteurs ?
Bibliographic record
Abstract
La construction collective de solutions sur des territoires où s’exprime un problème de qualité de la ressource en eau se heurte bien souvent à la difficulté qu’ont les acteurs locaux à partager différents points de vue sur un objet commun. Un nouvel outil a donc été conçu qui permet l’expression des points clés tels que perçus par chaque acteur concernant son territoire de l’eau. Cet outil est composé de cartes (format cartes à jouer) sur lesquelles figurent des pictogrammes illustrant des thématiques multiples liées à la question de la qualité de l’eau. Il a été testé sur cinq Aires d’Alimentation de Captage lors d’entretiens individuels. Ce test a permis de vérifier que l’outil est complet et qu’il permet aux acteurs de structurer leur discours en faisant émerger, de façon satisfaisante pour eux, les éléments qu’ils jugent explicatifs de leur territoire. On a vérifié que ces territoires, bien que contraints par un même cadre réglementaire, sont loin d’être identiques dans leurs éléments structurants et explicatifs, et que les visions portées sur un même territoire par différents acteurs ne sont pas concordantes, mais liées à leurs objectifs propres. Rendre ces différences de perceptions explicites pour les acteurs locaux est important pour la construction de solutions efficaces et acceptables localement. L’originalité et l’intérêt principal de ce nouvel outil résident dans la plasticité (un même visuel « absorbe » des discours variés) et la neutralité des cartes, ce qui éloigne les discours de positions et encourage, au contraire, l’expression de besoins ou l’analyse de la situation.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.006 | 0.007 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.031 | 0.007 |
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".