MétaCan
Menu
Back to cohort
Record W3040226733 · doi:10.4000/vertigo.27892

Les résiliogrammes pour représenter la résilience : cas des territoires de la Charente-Maritime et de la Somme face au risque de submersion marine

2020· article· fr· W3040226733 on OpenAlexvenueno aff
Elie Chevillot‐Miot

Bibliographic record

VenueVertigO · 2020
Typearticle
Languagefr
FieldSocial Sciences
TopicDisaster Management and Resilience
Canadian institutionsnot available
Fundersnot available
KeywordsHumanitiesPolitical scienceArt

Abstract

fetched live from OpenAlex

L’objectif de ce travail est de mettre en évidence le processus de résilience pratiqué versus l’analyse sémantique du concept de résilience issue d’un corpus d’ouvrages. La définition de la résilience persiste à diverger selon les domaines et les opinions. L’exemple ici s’appuie sur la résilience face à un événement de submersion marine majeur sur des territoires exposés et sensibles à court et à long terme : la Charente-Maritime et la Somme, afin d’étudier l’exhaustivité des capacités de résilience et de les comparer. Ces retours d’expérience tentent de comprendre les facteurs, les mécanismes, le processus de résilience à travers une représentation graphique baptisée « résiliogramme ». Les résiliogrammes reposent sur la réalisation d’entretiens semi-directifs auprès d’acteurs de terrain, de professionnels et d’organismes institutionnels qui jouent un rôle dans la dynamique des territoires. Ces entretiens abordent les thèmes du vécu, de la perception, du partage de l’information sur le risque et du savoir-faire en cas de crise. De multiples capacités constituent le processus de résilience. Toutefois celles-ci s’opposent à des temporalités, des spatialités diverses, aboutissant à des conflits pluridimensionnels. L’écart entre la résilience effective et la résilience sémantique s’accroît, donnant lieu à une gestion globale des risques et des crises composite et subcontraire au vu de l’incertitude des changements climatiques.

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.001
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.435
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0010.001
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.001
Science and technology studies0.0010.002
Scholarly communication0.0000.001
Open science0.0010.001
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0000.000

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.

Opus teacher head0.023
GPT teacher head0.324
Teacher spread0.301 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations1
Published2020
Admission routes1
Has abstractyes

Explore more

Same venueVertigOSame topicDisaster Management and ResilienceFrench-language works237,207