Pensée design et Facebook. Un accompagnement prometteur de citoyennes dans la réduction des plastiques au Maroc
Bibliographic record
Abstract
La surconsommation quotidienne des plastiques génère des quantités importantes de déchets solides qui constituent une menace pour l’environnement et pour la santé humaine. Des solutions efficaces pour remédier aux dégâts causés par ce matériau seraient d’en réduire les quantités employées, de le réutiliser ou de le recycler. Pour réduire localement les utilisations, les rejets et les impacts des plastiques, deux outils de résolution de problèmes ont été employés pour accompagner des artisanes dans la conception de solutions à ce problème : la pensée design et deux technologies d’information et de communication (TIC). La pensée design, une approche d’innovation centrée sur l’humain permet de concevoir des solutions en tenant compte des besoins des usagers et en multipliant les prototypes de façon à répondre adéquatement à ces besoins. Les TIC permettent d'atteindre des résultats qui auraient été impensables il y a dix ans à peine en termes d'échelle, de vitesse, de qualité, d'exactitude et de coût. Dans le cadre du projet «Ressacs sans plastiques», la pensée design et les groupes Facebook/WhatsApp ont été utilisés pour accompagner pédagogiquement des artisanes dans la recherche de solutions afin de réduire les plastiques dans le Parc national d’Al Hoceima, au Maroc. La composante recherche du projet, qui avait pour but d’évaluer les retombées de la pensée design sur les apprentissages des participantes, a permis d’observer des changements dans leurs pratiques, révélant cinq niveaux d’implication à l’expérience vécue, soit l’exposition, la participation, l’identification, l’intériorisation et la dissémination (selon le modèle taxonomique de Steinaker et Bell, 1979).
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.045 | 0.010 |
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".