Conceptualiser l’éducation relative au changement climatique : les enjeux de la filière nucléaire
Bibliographic record
Abstract
Cet article se subdivise en trois parties. Nous esquisserons d’abord une définition encore provisoire de l’éducation au changement climatique. Nous discuterons ensuite des stratégies récentes de légitimation (réhabilitation, revalorisation) de l’industrie nucléaire face aux menaces causées par les changements climatiques. En troisième partie, nous apporterons quelques arguments critiques face à la prolifération du nucléaire, afin de détecter et déconstruire l’apologie (directe ou indirecte) de cette filière. Le but de cet article est de montrer la difficulté pour les éducateurs, les activistes, les jeunes - mais aussi pour les citoyens ordinaires préoccupés par l’avenir de la planète - d’appréhender l’éducation relative au changement climatique dans un contexte où beaucoup de gouvernants, de décideurs, d’experts, mais également d’éducateurs et une bonne partie de l’opinion publique doivent sans cesse soupeser l’impact réel des différentes mesures pouvant contrer le changement climatique. D’une manière habile et souvent persuasive, la filière nucléaire tente par diverses stratégies de s’imposer et de se (re)légitimer, incessamment et subtilement, sous le prétexte très contestable de ne pas produire de gaz à effet de serre, en donc tentant de faire croire - sur des bases discutables - qu’elle serait une « énergie propre ». L’article conclut que les éducateurs doivent non seulement demeurer vigilants et bien armés face aux stratégies insidieuses de la filière nucléaire, mais qu’ils doivent rester attentifs et critiques devant toutes les sources d’information scientifique mises à la disposition des élèves et des étudiants à propos des changements climatiques et aussi en matière de risques nucléaires.
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 | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.009 | 0.023 |
| Scholarly communication | 0.010 | 0.009 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.012 | 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".