L’habitant et son territoire dans les procédures d’aménagement : l’exemple de projets éoliens dans l’Allier et dans le Vaucluse, France
Bibliographic record
Abstract
Cet article propose une exploration de la question des relations entre les individus qui habitent sur un territoire et leur territoire dans le cas précis des projets d’aménagement. Nous nous attachons ici à deux cas de projets d’aménagement d’infrastructures éoliennes dans des secteurs peu denses en France. L’évaluation d'impact environnemental (EIE) s’est imposée comme démarche réglementaire dans la plupart des pays. Cette procédure intègre des enquêtes auprès des habitants des territoires concernés par des projets d’infrastructure. L’enquête menée dans deux secteurs ruraux, dans les départements français de l’Allier et du Vaucluse, concerne les relations entre les représentations des acteurs habitants concernant l’éolien avec leur représentation de leur territoire. Les dires des personnes interrogées permettent d’opposer selon les représentations qu’ont les habitants sur leur territoire. Dans l’Allier, le paysage est ressenti comme pauvre, déclassé, parce que la majorité des habitants et une partie du patrimoine bâti conservent la mémoire d’une activité industrielle considérée comme ayant fait le dynamisme du territoire. L’objet visuel « éolienne » dans le paysage n’est pas considéré comme négatif parce qu’il représente une image positive du territoire. À l’inverse, en Haute Provence, les habitants, pour la plupart des néo-retraités ou des résidents secondaires périphériques de grandes villes voient les éoliennes négativement.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.008 | 0.005 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".