Freins et leviers pour l’installation de jardins en bord de voies
Bibliographic record
Abstract
Prenant le contre-pied d’une posture visant à « réparer » les territoires détruits par les infrastructures de transport, nous investiguons les potentiels de développement urbain inhérents aux situations routes/jardins. Les territoires de bord de route possèdent leurs propres règles qui pourraient informer une manière de produire autrement la ville. Perçue depuis un véhicule personnel ou un transport en commun la nature en bord de voie, et en particulier la nature domestiquée des collectifs de jardins, compose des paysages inédits : chaotiques, colorés, texturés, précaires, changeants au gré des saisons et des années, patinés par le temps. Mais comment sont-ils vécus de l’intérieur par ceux qui les modèlent au jour le jour et aussi par ceux qui s’y promènent? Nos travaux apportent des éléments de réponse à cette question à travers une enquête de terrain en France (Département de l’Isère 38 et Région Ile-de-France), au Portugal (Lisbonne) et aux États-Unis (San Francisco, Californie). Cette enquête rend compte de ces milieux jardinés en bord de voie en privilégiant les dimensions sonore, paysagère et sociale. Ces jardins se révèlent parfois remarquables depuis l’intérieur, mais qu’en est-il de leur environnement? En parallèle à cette analyse perceptive et usagère, une analyse environnementale est menée afin d’évaluer la contribution des jardins à la biodiversité fonctionnelle (continuités écologiques) et spécifique (nombre d’espèces) et d’estimer leur degré de pollution (air, sols et végétaux) et son impact sur les jardiniers et les promeneurs. Enfin si ces milieux constituent des lieux de prises pour les habitants ordinaires, promeneurs et jardiniers, qui y trouvent la possibilité d’inventer et de façonner leur quotidien, qui décident et comment du devenir de ces paysages et milieux jardinés? Quelle place et posture(s) les professionnels de la route et des territoires urbains occupent-ils et adoptent-ils en matière de jardins de bord de voies? Des pistes d’actions collaboratives entre acteurs des infrastructures et des territoires locaux sont explorées, et argumentées par les enjeux et critères traversant les facteurs d’ambiances, écologiques et de pollution mis en évidence dans le cours de ces recherches.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.009 | 0.005 |
| Scholarly communication | 0.012 | 0.006 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.022 | 0.004 |
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".