Le citoyen au coeur de la résilience dans l’agglomération de Montréal : lorsque l’adaptation au risque devient la préoccupation de chacun
Bibliographic record
Abstract
La résilience, cette capacité d’une ville ou d’un environnement à maintenir sa structure, à s’organiser, apprendre et s’adapter aux chocs et stress, participe au mouvement de responsabilisation accrue du citoyen dans la protection contre les risques naturels. Si les inondations sont un phénomène récurrent à Montréal depuis la création même de la ville, les citoyens n’y sont encore que peu préparés comme le démontre l’ampleur des dommages causés par les inondations du printemps de 2017. Depuis le début du 21e siècle, les agences internationales et les États cherchent à sensibiliser le citoyen afin de susciter une action de sa part. On suppose alors que le citoyen informé aura ainsi une perception accrue des risques, conduisant au comportement de protection. Ce lien entre information, perception et comportement n’est pourtant pas évident. En réalité, la littérature montre que le comportement dépend d’une multiplicité de facteurs tels que l’expérience, la fréquence du risque ainsi qu’une évaluation par la personne de l’efficacité des mesures de protection, de leur coût face à une évaluation de la probabilité de la menace. Le mémoire vise à répondre à la question de recherche suivante : comment inciter les individus à adopter des mesures de protection contre les inondations à Montréal ? Une enquête auprès de 237 citoyens de quatre secteurs de l’agglomération touchés par les inondations printanières de 2017 met en lumière un ensemble d’obstacles à l’adoption des mesures de protection contre les inondations aujourd’hui analysés grâce au Protective Action Decision Model de Lindell et Perry (2012). Ainsi, dans le cas de Montréal, le manque d’action relève à la fois d’un manque d’information et de connaissances sur les origines du risque et les mesures de prévention, de la perception d’inefficacité des mesures comme la trousse 72 heures, d’une perception d’incapacité à mettre en place soi-même les mesures de prévention, et d’un coût important en ressources de ces dernières. Le dernier élément est l’incertitude de ce type de risque et l’incapacité à prévoir avec précision le prochain événement de crue, qui, combiné à un sentiment de responsabilité élevé des autorités à assurer la protection, implique un manque d’urgence à agir. Face à ces constats et après une étude du cas de la Nouvelle Orléans aux États-Unis, une réflexion est proposée sur les moyens à mettre en place pour inciter les citoyens à adopter ces mesures, comprenant sensibilisation mais aussi des moyens coercitifs et incitatifs.
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 | 0.002 |
| Science and technology studies | 0.007 | 0.007 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.013 | 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".