Quels productions, usages et partages des cartographies de végétation dans l’estuaire de la Loire ?
Bibliographic record
Abstract
Cette étude interroge les méthodes, typologies, moyens de diffusion et de partage des cartographies de végétation. Différentes sources d’informations sont mobilisées pour décrire les pratiques sur le territoire français de l’estuaire de la Loire : une analyse documentaire sur la production et l’usage des cartographies de végétation, une synthèse des demandes de données effectuées auprès d’un organisme ressource et une enquête réalisée auprès des professionnels. Les résultats sont analysés de façon à déterminer si les besoins diffèrent entre les catégories d’acteurs et sont mis en perspective avec les outils de diffusion actuellement disponibles. La synthèse bibliographique a permis de recenser 55 cartes de végétation et d’habitats éditées entre 1979 et 2020. La demande de cartes est croissante et peut être mise en lien avec l’évolution des politiques publiques d’aménagement et la prise en compte grandissante des problématiques environnementales. Les usages principaux concernent la réalisation d’études d’impacts, la gestion des milieux et l’aménagement. La désignation du site Natura 2000 a impulsé la construction d’une connaissance partagée sur ce territoire. Les connaissances de la dynamique des végétations restent encore partielles et requièrent des typologies standardisées pour pouvoir comparer les cartographies entre elles et mieux appréhender les évolutions de l’estuaire. La production et la diffusion de ces documents d’aide à la décision nécessitent des moyens, notamment humains, pour animer un réseau d’échanges de données environnementales entre utilisateurs et producteurs qui ne doit pas se limiter à une plateforme numérique.
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 | 0.008 | 0.017 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.009 | 0.015 |
| Science and technology studies | 0.002 | 0.004 |
| Scholarly communication | 0.008 | 0.008 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".