La participation citoyenne au prisme de la gestion de l’eau. Quel rôle et quelle place pour les Parcs Naturels Régionaux français?
Bibliographic record
Abstract
La participation des citoyens à la gestion de l’eau s’impose aujourd’hui non seulement en tant qu’injonction règlementaire, mais aussi comme une profonde aspiration sociale. La mise en œuvre de pratiques participatives, en vertu de la Gestion intégrée de la ressource en eau (GIRE), est désormais partie intégrante de la mission des gestionnaires, ce qui implique de nouveaux modes de gouvernance et de travail. En France, les législations en la matière fixent les lignes directrices de cette approche participative, mais restent très floues sur ses objectifs et les moyens de sa mise en œuvre. Cette ambiguïté laisse une marge de manœuvre considérable aux gestionnaires, mais génère également des incertitudes sur ses tenants et aboutissants. Ainsi, mettre en œuvre la GIRE suppose de composer avec une diversité d’acteurs et d’actions aux formes et objectifs variés. Dans cet article, en analysant le cas de la gestion de l’eau dans les Parcs naturels régionaux (PNR) du Sud-Est français, nous mettons en lumière la complexité de la mise en œuvre de la participation citoyenne. Nous posons alors notre regard sur les réponses des collectivités territoriales pour institutionnaliser la participation, afin de dégager les principaux défis et moyens pour optimiser l’efficience de l’approche participative de la GIRE, à partir du retour d’expérience des PNR.
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 | 0.004 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.012 | 0.013 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.015 | 0.002 |
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".