Mise à l’épreuve d’un projet de reconversion d’un territoire après la fermeture d’une centrale nucléaire : une illustration avec Fessenheim (France)
Bibliographic record
Abstract
La fermeture d’une centrale nucléaire remet en question le modèle économique sur lequel le territoire d’accueil s’est développé. Cet article prend appui sur un cas pratique, la fermeture de la centrale nucléaire de Fessenheim (France) et plus particulièrement le projet de reconversion du territoire. Ce travail s’inscrit dans la continuité d’autres travaux autour de la nucléarité. L’analyse se structure en deux parties : dans la première, nous verrons que les échelles mises en place poursuivent un processus d’objectivation des enjeux et varient en fonction des périmètres d’action. Dans la seconde partie, nous insisterons sur la difficulté à transformer un territoire qui a connu son développement autour d’une mono-industrie nucléaire. L’ambition affichée dans le projet de reconversion exprime une volonté d’aller plus loin en devenant un territoire exemplaire dans la transition énergétique. Nous montrerons que cette déconstruction du passé nucléaire ne va pas de soi et pose certains problèmes sur le terrain. Sur le plan méthodologique, nous nous basons sur des entretiens qualitatifs réalisés auprès d’élus rencontrés au printemps 2021.
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 | 0.002 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.004 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.016 | 0.002 |
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".