Bibliographic record
Abstract
1er paragraphe : L’environnement figure parmi les domaines où la politique de l’administration de Donald Trump s’est montrée particulièrement active. Le monde entier a pu le constater avec le retrait spectaculaire des Etats-Unis de l’accord de Paris sur le climat annoncé le 1er juin 2017. Le front intérieur n’est pas en reste cependant. Dès les premiers jours de son entrée en fonction en janvier 2017, la nouvelle administration effaçait purement et simplement la page dédiée au changement climatique du site web de la maison blanche, pour la remplacer par un « Plan Energie pour l’Amérique d’abord ». Elle autorisait aussitôt la construction de la phase finale du Keystone Pipeline reliant les forages de l’ouest canadien aux raffineries de l’Illinois et du Texas, précédemment suspendue par l’administration Obama. L’Agence de Protection de l’Environnement (EPA) annonçait également le retrait du Plan pour l’Energie Propre (Clean Power Plan) élaboré en 2015 pour limiter les émissions de gaz à effet de serre dans la production d’électricité, et le « retour du charbon ». Elle a depuis considérablement étendu et assoupli les autorisations de forage d’hydrocarbures, notamment de gaz de schiste.
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 | 0.009 | 0.020 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.012 | 0.007 |
| Scholarly communication | 0.013 | 0.009 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.005 | 0.010 |
| Insufficient payload (model declined to judge) | 0.053 | 0.005 |
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".