Croiser les sources environnementales, historiques et sociologiques pour reconstituer les catastrophes naturelles. Le cas de la débâcle du Giétro du 16 juin 1818
Bibliographic record
Abstract
Le 16 juin 1818, la débâcle d'un lac de barrage glaciaire au Giétro provoquait une vague dévastant la vallée de Bagnes, dans le canton du Valais (Suisse), faisant 34 morts et de très nombreux dégâts matériels aux infrastructures (ponts, voies de communication), aux habitations et aux constructions agricoles et hydrauliques, ainsi qu'aux cultures et prairies. La cartographie de l'extension géographique de l'inondation a été réalisée en croisant différentes sources environnementales, historiques et sociologiques : 1/une liste des dégâts aux terrains et bâtiments privés a été établie sur la base des archives répertoriant les dommages déclarés par les sinistrés ; 2/ cette base de données a été combinée avec une base de données généalogiques régionales afin de reconstituer les pertes à l'échelle de certains individus ; 3/ elle a également été croisée avec une base de données toponymiques afin de localiser les dégâts ; 4/ un relevé systématique des traces géomorphologiques de la vague (rebords d'érosion, épandages de blocs) a été établi sur le terrain et au moyen d'un modèle numérique de terrain (MNT) ; 5/ finalement, des entretiens ont été réalisés dans un village particulièrement sinistré, afin d'appréhender la mémoire orale de l'événement. Cet article discute l'intérêt d'un tel croisement pluridisciplinaire en présentant les caractéristiques des différentes sources, les apports à la reconstruction de l'extension géographique de l'inondation et des dégâts à deux échelles différentes, ainsi que les difficultés (lacunes, incertitudes) relatives à ces sources. Ce travail permet de discuter les enjeux liés à la reconstitution de catastrophes naturelles anciennes au moyen de différentes sources, environnementales, historiques et sociologiques.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.009 | 0.010 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| 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".