L’articulation entre savoirs et actions dans trois dispositifs environnementaux : conservation, évaluation d’impact et restauration
Bibliographic record
Abstract
Dans les actions sur la nature, les savoirs écologiques sont décisifs et source de légitimation. Les raisons pour lesquelles certains savoirs sont favorisés ou éludés sont cependant rarement explicitées dans les discours. Cet article vise à clarifier les liens qui existent entre le déploiement historique des actions, les savoirs mobilisés et les conceptions de la nature sous-jacentes dans trois modes d’action clés : la planification de la conservation, l’évaluation d’impact environnemental et la restauration écologique, prenant place au sein d’une steppe méditerranéenne (La Crau, France). L’analyse des discours montre que les savoirs s’articulent différemment aux actions selon le contexte de leur institutionnalisation. De plus, ces savoirs sont jugés plus ou moins pertinents pour l’action selon les conceptions de la nature collectives et individuelles des acteurs impliqués. La nature est conçue parfois comme coévolution entre les activités humaines traditionnelles et la biodiversité (en conservation), parfois comme liste d’espèces protégées ou patrimoniales (dans l’évaluation d’impact environnemental), et parfois comme écosystèmes fonctionnels en réseaux (en restauration écologique). La mobilisation des savoirs écologiques, pourtant prépondérants dans les actions sur la nature est guidée par des facteurs contextuels et des conceptions de la nature non formalisées.
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 | 0.011 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.007 | 0.018 |
| Scholarly communication | 0.011 | 0.004 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.006 | 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".