Les micropolluants d’origine domestique dans l’eau : enquête sur la représentation d’une nouvelle menace
Bibliographic record
Abstract
La présence de micropolluants dus au déversement de certains produits dans les réseaux d’assainissement est une préoccupation croissante pour les pouvoirs publics. Les stations de traitement des eaux usées (STEU) ont de plus en plus de difficultés à les traiter ce qui peut entraîner des dommages sur les écosystèmes et la santé humaine. Il semblerait qu’une partie non négligeable de ces rejets problématiques proviennent directement des pratiques domestiques. Dans ce contexte, il apparaît nécessaire de réduire et/ou d’améliorer l’ensemble des rejets issus des habitations. Cependant, avant de soumettre des actions auprès des individus dans l’optique de faire changer leurs habitudes, il est impératif de connaître la façon dont ils se représentent la menace environnementale qu’est la présence de micropolluants dans les eaux. Pour cela 605 habitants de Strasbourg (Est de la France) ont été enquêtés. Les résultats de cette étude soulignent l’importance de la prise de conscience du rôle des activités domestiques dans la présence de micropolluants dans l’eau. Néanmoins, la population interrogée reste majoritairement persuadée que l’industrie est le principal responsable et il semble difficile de s’imaginer que des produits d’utilisation courante, notamment ceux liés à l’hygiène corporelle, puissent avoir une quelconque incidence sur la qualité des cours d’eau.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".