Bibliographic record
Abstract
Le Conservatoire du littoral a été créé en 1975 pour équilibrer construction et protection des côtes françaises. La mission de cet établissement public administratif d’État est d’acheter des parcelles côtières pour protéger et gérer des paysages et des milieux. Parmi les parcelles achetées, environ 15% sont des terres agricoles. Mais les missions paysagères et naturalistes du Conservatoire du littoral peuvent-elles s’accommoder d’activités agricoles productives ? Pour la gestion de certains milieux, le Conservatoire du littoral considère certaines activités agricoles comme nécessaires. C’est le cas des prairies qui nécessitent une gestion par fauche et/ou pâturage. D’autres activités agricoles sont parfois tolérées ou encouragées sur les terrains du Conservatoire du littoral. Des cahiers des charges avec conditions écologiques sont négociés avec des agriculteurs pour encadrer les pratiques. L’article retrace l’histoire de la préférence pour la prairie au Conservatoire du littoral, tout en présentant les autres types d’activités agricoles rencontrées sur les terrains de l’établissement. L’ambition est de présenter les circulations de questionnements et de connaissances qui ont abouti à l’élaboration et aux évolutions actuelles des principes d’action agricole du Conservatoire du littoral.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.020 | 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".