Favoriser la restauration de la biodiversité en milieu urbain : les facteurs de réussite dans le cadre de quatre projets de restauration
Bibliographic record
Abstract
La biodiversité en ville joue un rôle très important dans l’équilibre de notre planète. La présence d’éléments naturels améliore la qualité écologique, sociale, environnementale et esthétique d’un milieu urbain. Le retour de la biodiversité en ville peut être promu grâce à diverses structures tels les corridors écologiques, les passages fauniques, les toits verts et les plantes grimpantes. L’objectif de l’étude de cas qualitative était d’identifier les facteurs qui favorisent la restauration de la biodiversité en ville. Quatre projets de restauration de la biodiversité ont été étudiés dans les régions de Montréal et de Québec. L’analyse des entrevues menées avec des acteurs des projets a permis de déterminer diverses catégories de facteurs, dont les facteurs sociaux, politiques, techniques et écologiques. Selon les répondants, ce sont principalement les facteurs sociaux qui favorisent la réussite des projets de restauration de la biodiversité. Parmi les facteurs sociaux, on retrouve l’acceptation et l’adhésion citoyenne ; l’éducation et la sensibilisation des citoyens ; la participation des résidents ; le choix des emplacements des sites de restauration ; l’implication des ONG et la couverture médiatique. L’acceptation sociale des mesures de restauration de la biodiversité implantées émerge comme le plus important facteur. La réussite d’un projet de restauration de la biodiversité en ville repose donc en grande partie sur l’adhésion des citoyens.
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 | 0.004 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".