Culture, connaissance et réduction des risques de catastrophe : liens critiques pour une transformation sociétale durable
Bibliographic record
Abstract
Les politiques et les pratiques concernant la réduction des risques de catastrophe dépendent largement des spécificités socio-culturelles et des connaissances qu’en ont les individus. Bien que la culture et le savoir soient des facteurs essentiels pour réduire ces risques, ils sont rarement traités ensemble de façon systématique et approfondie, que ce soit dans les études ou les programmes d’actions. Nous soutenons qu’une exploitation plus approfondie des résultats de la recherche sur les systèmes de la culture et de la connaissance est de nature à améliorer considérablement l’efficacité des mesures décidées pour l’atténuation des catastrophes. Cet article aborde comment la culture et la connaissance contribuent à la réduction des risques de catastrophe et en décrit des défis majeurs. Il présente également une approche conceptuelle qui permet de saisir les différents niveaux qualitatifs de la compréhension : les faits, les données, l’information, la connaissance et la sagesse. Tout au long de l’article, nous mobilisons des exemples empruntés au Viet Nam afin d’illustrer des cas courants de pratiques culturelles, économiques et populaires qui prévalent sur les logiques institutionnelles en matière de réduction des risques de catastrophe. Ces pratiques révèlent les éléments qui provoquent la fragmentation du savoir. Orienter les objets de recherche vers des questions de connaissance culturelle et sociale conduirait à mieux saisir les processus structuraux qui favorisent la vulnérabilité face aux catastrophes, ainsi que les processus socio-culturels qui construisent notre compréhension des risques de catastrophe.
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 | 0.012 | 0.017 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.005 | 0.027 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.003 | 0.005 |
| 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".