Évaluation du risque sanitaire de sols pollués méditerranéens : choix de variables et spatialisation
Bibliographic record
Abstract
La notion de risque sanitaire se doit d’être mise en regard avec les notions d’aléa, vulnérabilité, capacité et danger de manière à la considérer de façon intégrative et choisir des variables adéquates pour sa spatialisation. Dans cette réflexion pluridisciplinaire, la question posée est plus particulièrement « comment intégrer la sensibilité physique de la population dans la prise en considération de la pollution des sols afin de localiser les zones les plus vulnérables dans un contexte de risque sanitaire ? ». Le massif de Marseilleveyre situé au sud de Marseille (Bouches-du-Rhône) permet d’y répondre à travers une application sémantique et une application spatiale. Très contrasté dans ces enjeux, ce territoire est à la fois inclus dans le cœur du Parc national des Calanques (PNCal) et demeure affecté par une pollution diffuse des sols issue des activités industrielles passées sises sur le littoral. Cette zone cœur du PNCal est toutefois habitée dans sa périphérie et accueille de nombreux usagers. Un modèle de généralisation de la méthodologie développée dans cette étude de cas est ensuite proposé afin de valoriser cette production et ce mode de visualisation de l’information qui pourrait constituer une base précieuse d’aide à la concertation.
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 | 0.004 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| 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".