Connexions entre la justice environnementale, l’écologisme populaire et l’écocitoyenneté
Bibliographic record
Abstract
Les mouvements citoyens liés à des problématiques socio-écologiques prennent de plus en plus d’ampleur à travers le monde : dans les « Nords » et dans les « Suds », des personnes et des communautés luttent contre des projets miniers, contre la construction de mégaprojets, pour le développement d’une agriculture urbaine et responsable, contre les inégalités générées par les changements climatiques, etc. Qu’ils soient historiques ou contemporains, cet article examine ces mouvements en s’attardant à l’évolution de leurs revendications. De réactive et basée sur des cas locaux d’exposition disproportionnelle aux problèmes environnementaux, la justice environnementale est devenue également proactive, de plus en plus transnationale et, dans certains cas, holistique. Je me penche également sur le courant de l’écologisme populaire et sur ses liens avec la justice environnementale. J’explore ensuite les fondements théoriques de la justice environnementale, ce qui permet d’identifier un cadre pertinent en la matière au regard des mobilisations contemporaine. J’analyse enfin le concept d’écocitoyenneté, présentant une typologie en la matière, en me basant sur une recension exhaustive de la littérature scientifique et sur l’étude des écocitoyennetés construites par des apprentis jardiniers en contexte communautaire. Il apparaît que la forme d’écocitoyenneté à la fois participative et critique contribue particulièrement à la justice environnementale.
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 | 0.003 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.008 | 0.026 |
| Scholarly communication | 0.008 | 0.005 |
| Open science | 0.001 | 0.009 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.007 | 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".