Les enjeux de l’après : vulnérabilité et résilience à l’épreuve des politiques de la catastrophe au 20e siècle
Bibliographic record
Abstract
L’avènement d’une catastrophe expose la vulnérabilité et la résilience d’une communauté. Pour la même raison, la catastrophe représente une fenêtre d’opportunité pour modifier ces conditions. Mais est-ce vraiment le cas? Est-ce que les catastrophes sont suivies par un changement des conditions de vulnérabilité qui l’ont générée ou des facteurs de résilience qui en ont mitigé les effets? À quelles conditions et comment? Cet article cherche à répondre à ces questions à travers l’étude historique des transformations en aval des catastrophes. Nous concentrerons l’analyse sur les désastres séismiques, qui constituent le terrain d’expertise principal de l’auteur, mais avec l’ambition de proposer des éléments de réflexion qui puissent s’adapter à d’autres typologies de catastrophes naturelles. Sur la base d’une comparaison entre le tremblement de terre de Messine de 1908 et celui de la vallée du Belice (Italie) de 1968, mais aussi en référence à d’autres cas, cet article dégagera certains facteurs clés pour comprendre les modifications que les politiques des catastrophes peuvent apporter sur les éléments qui rendent possible la catastrophe ainsi que sur les facteurs qui permettent – une fois la catastrophe survenue – de s’en remettre. L’article se concentre notamment sur trois aspects: le lien entre interprétations du désastre et politiques de protection; les conséquences à long terme des choix de l’urgence; les dispositifs de mémoire institutionnelle. À travers ces trois étapes, l’article démontre comment la modification ou non des conditions de vulnérabilité et résilience est liée aux tensions et conflits entre plusieurs acteurs et intentionnalités qui ne sont pas forcément liés aux politiques de protection et produisent, sur le temps long, des conséquences imprévues.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.014 |
| Scholarly communication | 0.004 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 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".