Bibliographic record
Abstract
Avec le développement de nouveaux projets vers la Lune ou vers Mars, avec la croissance du marché des satellites privés et militaires, le secteur spatial est en pleine expansion. Ces activités sont aujourd’hui menacées par l’augmentation exponentielle du nombre de déchets en orbite autour de la Terre. Le cas présente les caractéristiques de ce que Cartwright (1987) a appelé un « méta-problème ». Un tel type de problème suppose en effet la coordination d’acteurs multiples et hétérogènes. Le cas des débris spatiaux montre qu’il se décompose par ailleurs en trois dynamiques interdépendantes mais exigeant des formes d’actions différentes : contenir au présent l’aggravation de la situation, impulser de nouvelles solutions pour l’avenir et nettoyer les débris existants pour effacer l’héritage du passé. Reposant sur l’approche des scénarios (Schoemaker, 1995 ; Wiebe et al. , 2018), cet article identifie quatre voies de résolution de ce problème. Chacune tient compte de l’hétérogénéité des acteurs, publics et privés, et des modes de coordination possibles, marché et régulation.
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 | 0.005 | 0.009 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.003 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.009 | 0.008 |
| Open science | 0.003 | 0.005 |
| Research integrity | 0.005 | 0.003 |
| Insufficient payload (model declined to judge) | 0.005 | 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".