MétaCan
Menu
Back to cohort
Record W2268636875 · doi:10.4000/vertigo.16713

Quelle réception sociale pour l’ingénierie écologique industrielle ?

2015· article· fr· W2268636875 on OpenAlexvenueno aff
Marion Amalric, Claudia Cirelli, Corinne Larrue

Bibliographic record

VenueVertigO · 2015
Typearticle
Languagefr
FieldSocial Sciences
TopicSocial Acceptance of Renewable Energy
Canadian institutionsnot available
Fundersnot available
KeywordsHumanitiesPolitical sciencePhilosophy

Abstract

fetched live from OpenAlex

Parmi les fonctions écologiques des zones humides, celle d’épurer les eaux est reproduite dans des zones de rejet végétalisées (ZRV), placées en sortie de station d’épuration. Au sein de ces méthodes épuratoires, un prototype original répond au double enjeu de tirer parti de l’intérêt écologique des milieux humides et de contrôler des processus naturels associés à la création de la biodiversité. L’industriel qui l’a conçu vise à développer un produit standardisé aux traitements garantis et au fort potentiel « vert ». Des chercheurs en sciences sociales ont été sollicités pour rendre compte des représentations sociales des acteurs concernés par ce « produit » et proposer une étude de la « réception sociale » par les habitants et les élus de dispositifs « socio-techniques ». Pour ce faire, une méthode qualitative reposant sur des focus groups, outil particulièrement adapté à l’élicitation des représentations est adoptée. La thèse principale est que si la zone humide artificielle peut faire l’objet d’une adhésion de principe de la part des acteurs locaux, son insertion socio-territoriale est un processus plus complexe qui implique la prise en compte d’autres facteurs (économiques, sociaux, paysagers…) et à des échelles diverses. La présentation des différents facteurs de réception sociale des ZRV permet de détailler les facteurs d’adhésion et de rejets. Ils sont mis en regard avec les intentions des industriels investis dans le projet, montrant que les arguments de la biodiversité et d’une politique « verte » ne rencontrent qu’un faible écho auprès des populations interrogées. Ces derniers valorisent plus volontiers le caractère innovant du dispositif et sa participation aux dynamiques territoriales.

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)0.005
metaresearch head score (Gemma)0.007
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: Qualitative
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.013
Threshold uncertainty score0.043

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0050.007
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0000.001
Bibliometrics0.0010.001
Science and technology studies0.0020.006
Scholarly communication0.0070.005
Open science0.0010.003
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0130.001

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 head0.047
GPT teacher head0.290
Teacher spread0.243 · 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

Citations9
Published2015
Admission routes1
Has abstractyes

Explore more

Same venueVertigOSame topicSocial Acceptance of Renewable EnergyFrench-language works237,207