Bibliographic record
Abstract
La notion de justice climatique à l’origine conçue dans un sens distributif est amenée à évoluer compte tenu des injustices sociales et environnementales engendrées par le changement climatique. Comment appréhender les évolutions de cette notion ? En quoi les approches de la justice environnementale et les analyses des mobilisations citoyennes nous aident à en cerner les contours ? Dans cet article, nous nous appuyons sur les approches de la justice environnementale pour rendre compte des multiples facettes des injustices climatiques. Après en avoir précisé les caractéristiques essentielles, nous montrons comment les organisations non gouvernementales (ONG) ont véhiculé ces approches dans les arènes diplomatiques notamment celles des négociations climatiques. Toutefois, depuis quelques années, les formes de mobilisation évoluent. Des coalitions citoyennes, associatives et d’ONG interpellent les États sur leur inaction en matière climatique. Ces coalitions mettent en cause la faible intégration des enjeux de justice sociale dans les politiques climatiques. Dans quelle mesure ces coalitions reformulent-elles le cadre d’interprétation de la justice climatique en mettant davantage l’accent sur les articulations du social à l’environnement ? De quelles manières réintroduisent-elles les dimensions éthiques et réflexives du changement climatique dans les débats démocratiques entre citoyens et institutions ? Dans quelle mesure ces coalitions amènent-elles à repenser la redistribution pour rendre les politiques climatiques socialement plus justes et les mettre au service d’une transition écologique à portée sociétale et démocratique ?
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.006 | 0.015 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.008 | 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".