Projections d’habitants face à des données climatiques localisées : Ruse rétrospective pour un territoire apprenant
Bibliographic record
Abstract
L’article présente les actions conduites par un Parc naturel régional (PNR) français avec des habitants de son territoire pour les sensibiliser aux changements climatiques. La nature même des enjeux climatiques soulève de délicates questions stratégiques en matière de communication et d’information de la population. Parmi toutes les démarches menées par le PNR pour la diffusion des données scientifiques élaborées sur les effets locaux des changements climatiques, l’analyse porte spécifiquement sur l’animation « d’ateliers de prospective territoriale » conduits avec des groupes d’habitants pour initier une dynamique collective et identifier les enjeux engageant l’avenir de l’espace géographique du PNR. La réflexion est issue du dialogue et d’une co-écriture entre une chargée de mission « éducation » et une chercheuse en observation participante sur trois des ateliers. La philosophie des ateliers se fonde sur la projection sur l’avenir articulant savoirs citoyens expérientiels et connaissances individuelles sur le climat, et les savoirs scientifiques et scénarisations contrastées et hypothétiques de tendances sur le territoire afin de construire une vision débattue voire partagée des actions à mener. Le détour par une projection en 2070, à travers les co-productions des habitants dans ces ateliers, est expérimenté comme « ruse rétrospective » : conscientisant les scénarii de l’inacceptable, pour définir collectivement les enjeux à relever. Il a pour effet pour les participants de se positionner dans le présent comme plus proactif face à l’avenir. L’atelier met en évidence la nécessité de structures institutionnelles propices à la délibération et un territoire « apprenant » permettant durablement aux individus d’aller vers la sphère publique.
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 | 0.012 | 0.027 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 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".