L’environnement industriel : étude comparée des droits vanuatais et français
Bibliographic record
Abstract
Fragilisé du fait de son insularité, confronté à des difficultés aggravées par sa configuration archipélagique, le Vanuatu, gardien de la diversité écologique de ses territoires dépositaires de forts ancrages culturels, est très impliqué dans la question environnementale. \nLa France ne l’est pas moins, elle offre également une palette très large d’espaces dont plusieurs îles. \nMais le Vanuatu est l’un des pays les moins pollueurs du monde, la France en revanche fait partie du peloton de tête des pollueurs historiques. Deux Etats, à cet égard très différents, d’un côté un Etat pollueur, de l’autre un Etat victime des pollutions des pays industrialisés, qui partagent pourtant des instruments juridiques communs. Le Vanuatu est très présent sur la scène internationale, partie à de nombreuses conventions (convention de Stockholm, Protocole de Montréal…) ainsi que la France qui adhère à ces mêmes accords. Mais les réalisations les plus probantes, l’approche la plus efficace semble résulter de la coopération du Vanuatu avec les pays du Pacifique, notamment par sa participation au PROE (programme régional océanien de l’environnement). La France apporte son soutien à cette organisation à laquelle elle participe
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.006 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
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".