Analyse comparée et appliquée à un territoire fictif des politiques publiques de gestion des risques côtiers en France et au Québec
Bibliographic record
Abstract
Dans un contexte de changements climatiques, les territoires côtiers sont de plus en plus soumis aux aléas d’érosion et de submersion. Parallèlement, la concentration croissante d’enjeux sur ces espaces ne fait qu’augmenter les risques. Mettre en place des stratégies de gestion de l’érosion et de la submersion marine devient alors essentiel. En France et au Québec, la gestion des risques côtiers se traduit par l’instauration et l’application à différentes échelles de gouvernance de politiques publiques, touchant de près ou de loin à cette thématique. Leur analyse donne l’opportunité de comprendre comment, et avec quels outils, les acteurs publics, notamment les Établissements publics de coopération intercommunale en France et les Municipalités régionales de comté au Québec sont appelés à gérer ces risques. Le fonctionnement des deux systèmes est mis en exergue, d’une part par la comparaison thématique des politiques publiques et d’autre part par l’utilisation d’un archétype de territoire concrétisant leur mise en application sur le terrain. Ces deux approches permettent de faire ressortir les particularités et les similitudes des deux systèmes, mais aussi leurs atouts et faiblesses dans la mise en place des politiques publiques durables d’adaptation aux conséquences des changements climatiques sur les côtes.
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 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.008 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".