Couleurs et paysages : une nouvelle approche de planification de la couleur par les effets chromatiques
Bibliographic record
Abstract
En France, le color planning, autrement dit la planification de la couleur ou l’aménagement de la couleur dans l’environnement construit, fait l’objet d’une faible considération dans les stratégies d’urbanisme hormis dans les secteurs protégés des monuments historiques. Les méthodes de référence mises en place dans les années 1970, basées sur des approches de sauvegarde et de valorisation du patrimoine, ne permettent pas d’aborder certaines typologies architecturales, notamment les bâtiments contemporains employant des matériaux aux couleurs vives et inhabituelles. Pour répondre à ces enjeux, la recherche présentée ici propose d’aborder la question de la couleur urbaine à travers la notion d’effet chromatique, dérivée de la notion d’effet sonore (Augoyard et Torgue, 1995). Notre objectif est de proposer aux acteurs de l’aménagement urbain un outil permettant de replacer la couleur dans les processus d’aménagement. Nous présentons la notion d’effet chromatique et nous la mettons à l’épreuve à travers une enquête basée sur les principes des parcours commentés (Thibaud, 2001). Les résultats de cette enquête nous conduisent à proposer l’ébauche d’un répertoire qui définit et illustre une vingtaine d’effets chromatiques susceptibles d’être perçus par les citadins au cours de leurs déplacements dans les villes contemporaines. Des représentations graphiques utilisant les potentialités de l’imagerie numérique sont proposées pour exprimer, communiquer et discuter ces effets. Le répertoire des effets chromatiques participe ainsi à l’élaboration d’un langage commun autour de la couleur, pour les experts comme pour les habitants, permettant une approche opérationnelle de ce phénomène dans l’aménagement urbain et paysager.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 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 teacher head, 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".