MétaCan
Menu
Back to cohort
Record W4210735695 · doi:10.4000/vertigo.33214

Matières à scandales ou matières recyclables ?Trois décennies de débats sur la libération des déchets nucléaires de très faible activité (TFA)

2021· article· fr· W4210735695 on OpenAlexvenueno aff
Emmanuel Martinais

Bibliographic record

VenueVertigO · 2021
Typearticle
Languagefr
FieldSocial Sciences
TopicRisk Perception and Management
Canadian institutionsnot available
Fundersnot available
KeywordsHumanitiesForestryPolitical scienceArtGeography

Abstract

fetched live from OpenAlex

Cet article s’intéresse aux déchets très faiblement actifs (TFA) produits en très gros volumes par le démantèlement des installations nucléaires. Très encombrants, mais considérés comme peu dangereux, ces matériaux divers (terres, métaux, gravats, et cetera) sont à l’origine de débats récurrents dans les milieux professionnels concernés, certains acteurs préconisant de les confiner en totalité dans des centres de stockage sécurisés, d’autres recommandant de les valoriser dans des filières de recyclage ou de les banaliser pour les évacuer à moindre coût vers des décharges conventionnelles. À partir d’une enquête de terrain sur le cas français, l’article se donne pour objectif de rendre compte de ces débats et de leurs effets sur la réglementation nationale. Trois périodes sont ainsi successivement examinées : la mise en filière de ces déchets TFA dans les années 1990 qui conduit à renoncer aux possibilités de recyclage et de banalisation ; la montée en puissance des démantèlements dans les années 2000 qui tend à remettre en cause le choix initial du stockage généralisé ; et enfin, la mise à l’étude de deux filières de valorisation dans les années 2010 qui témoigne des difficultés du recyclage à concurrencer la solution du stockage définitif.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.001
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Insufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.596
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0010.001
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.001
Science and technology studies0.0010.001
Scholarly communication0.0010.001
Open science0.0000.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0010.000

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.

Opus teacher head0.035
GPT teacher head0.299
Teacher spread0.264 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designNot applicable
Domainnot available
GenreEmpirical

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".

Quick stats

Citations3
Published2021
Admission routes1
Has abstractyes

Explore more

Same venueVertigOSame topicRisk Perception and ManagementFrench-language works237,207