Territoires des humains et territoires des animaux : éléments de réflexions pour une géographie animale
Bibliographic record
Abstract
La géographie, en abordant conjointement les espèces et leurs milieux, représente une passerelle féconde entre les sciences humaines et sociales et les sciences de la nature pour traiter du partage de territoire entre humains et non-humains, dont l’Animal est un représentant au caractère heuristique particulièrement marqué. Pour saisir les conditions du partage de territoire entre l'Homme et l'Animal, il faut comprendre le(s) territoire(s) de chacun, leurs fonctionnements, leurs interactions, leurs dynamiques, leurs adaptations respectives ainsi que leurs conjugaisons à la fois spatiales et culturelles. Cela, parce que le territoire des uns (des hommes) crée le territoire des autres (des animaux) et réciproquement. En France, des initiatives récentes ont fait émerger une géographie « humanimale » très influencée par une approche culturaliste. Ce numéro des Annales de Géographie se veut complémentaire de cette approche, en abordant la question à l’interface entre écologie et géographie. Nous retraçons la place de l’Animal en géographie afin de mieux comprendre comment il peut être modèle de nos rapports à l’environnement, surtout dans un contexte ou les territoires de rencontre entre humains et animaux se multiplient.
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 | 0.005 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.004 | 0.035 |
| Scholarly communication | 0.009 | 0.009 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.004 | 0.004 |
| 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".