Les terres australes françaises, terrain d’expérimentation de la solidarité écologique
Bibliographic record
Abstract
La coexistence humains – non humains (ici espèces animales), cristallisée autour de compromis entre viabilité des activités socio-économiques, sécurité alimentaire des populations humaines et conservation de la faune, est devenue un défi sociétal et environnemental majeur. Ce défi constitue un cadre expérimental privilégié pour mettre le principe de solidarité écologique à l’épreuve du terrain. En milieu marin, le conflit global entre pêcheries et mégafaune s’est récemment intensifié et sa résolution est freinée par la complexité des enjeux socio-écosystémiques locaux et le manque d’expertise et de gestion trans-sectorielle. Dans cette étude, nous utilisons le cas de la pêcherie palangrière opérant autour des terres australes françaises Crozet et Kerguelen pour examiner comment les acteurs se sont mobilisés et réorganisés au cours des 30 dernières années en réponse à deux forts conflits avec la mégafaune : les captures accidentelles d’oiseaux marins et la déprédation par les cétacés (individus se nourrissant sur la capture de pêche). À partir de cette analyse, nous proposons des modèles basés sur le concept de socio-écosystème pouvant être appliqués à d'autres situations de conflits humains – non-humains.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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".