L’intérêt de conserver un espace vert de loisirs : un objet de recherche à part entière
Bibliographic record
Abstract
Afin d’expliquer l’intérêt des propriétaires pour la conservation d’espaces verts (semi-naturels), il est souvent fait référence à des termes génériques pratiques, en invoquant, par exemple, des intérêts touristiques, environnementaux, politiques, culturels ou patrimoniaux. À force d’être employés, ces termes finissent presque par perdre les significations pourtant différentes qu’ils peuvent revêtir à l’échelle locale, en fonction des propriétaires des lieux et des contextes dans lesquels ils s’inscrivent. Face à ce constat, le présent article se propose de mettre en perspective la notion de conservation d’espaces verts et d’étudier les conditions d’émergence de ces intérêts de sauvegarde, à partir de l’étude de trois types de propriétaires/gestionnaires d’espaces végétalisés : une entreprise privée de grande distribution, une municipalité et une famille de la noblesse française. Leur point commun réside dans la volonté d’y développer des activités de loisirs d’extérieur. Une démarche ethnographique a été menée sur chacun de ces trois sites, comprenant des enquêtes par entretiens auprès des gestionnaires ainsi qu’une recherche de données historiques. Derrière un même intérêt a priori commun d’ordre touristique (ouvrir au public, favoriser des activités de détente de plein air, répondre aux attentes, etc.), se révèlent trois histoires différentes d’intérêts complexes qui se renforcent, s’officialisent et se collectivisent au fil du temps.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.004 | 0.013 |
| Scholarly communication | 0.010 | 0.008 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.009 | 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".