Avalanches en moyenne montagne : des représentations à l’occultation du risque
Bibliographic record
Abstract
En France, en moyenne montagne, le risque d’avalanche apparaît occulté alors que l’aléa avalanche est pourtant bien présent, et les enjeux réels. Cet article montre que ce paradoxe résulte de représentations qui dépassent le seul phénomène physique. La prégnance du modèle alpin (les Alpes constituant le modèle-type de la montagne) ainsi que la construction de la notion moyenne montagne par opposition à la haute montagne conduisent à faire de la moyenne montagne un espace distinct au caractère « tendrement montagneux »1. Dans ce contexte, l’ancrage territorial en haute montagne de la figure de l’avalanche, et plus largement du risque, se retrouve jusqu’aux acteurs scientifiques et institutionnels. Il se traduit, dans le système de gestion du risque d’avalanche français, par l’organisation de deux sous-systèmes distincts, celui dédié à la moyenne montagne se distinguant par l’absence de nombre d’outils et d’acteurs spécifiques. Finalement, les caractéristiques et les images associées aux objets phénomène avalanche et montagne concourent, implicitement ou explicitement, à occulter le risque en moyenne montagne, et donc à l’absence de fabrication du problème avalanche dans cet espace. Le cas archétypal du Massif vosgien permet d’illustrer le propos.
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 | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.013 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 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".