L’évaluation d’impact environnemental et social en péril
Bibliographic record
Abstract
L’implantation de l’évaluation d’impact environnemental et social (ÉIES) dans les régimes publics de protection de l’environnement et dans les standards de performance des entreprises constitue une évolution importante par rapport à la situation qui prévalait avant les années 1970 où seules comptaient les considérations techniques et économiques pour décider de la réalisation des projets. L’ÉIES favorise l’intégration des considérations environnementales et sociales, de la conception à la réalisation des projets, et la prise en compte des préoccupations du public dans la prise de décision. Toutefois, les lacunes de la pratique actuelle, combinées aux pressions exercées en faveur de l’assouplissement des dispositifs d’ÉIES, pourraient conduire à leur marginalisation. Il importe d’apporter des réponses aux nombreuses critiques formulées par les observateurs et divers comités d’étude au fil des années concernant la pertinence de l’information contenue dans les études d’impact et la transparence de la démarche d’analyse. Une amorce de solution réside dans l’innovation sur le plan des méthodes d’ÉIES. La structuration de la démarche d’évaluation par enjeu et l’application de méthodes d’aide multicritère à la décision (AMCD) constitueraient autant de mesures susceptibles d’améliorer la situation. Les propositions faites dans cet article sont cohérentes avec les caractéristiques de l’approche concertée de l’ÉIES des projets. Elles visent à répondre aux problématiques évoquées et à relever le défi posé par une demande sociale pressante en faveur d’une participation citoyenne accrue aux décisions ayant une incidence sur l’environnement et la société.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.000 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.021 | 0.006 |
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; both teacher heads agree on what is shown here.
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".