MétaCan
Menu
Back to cohort
Record W4392535053

A psycho-socio-environnemental view of coastal risks : a case study in France and Canada

2021· preprint· fr· W4392535053 on OpenAlexaboutno aff
André Mocaer

Bibliographic record

Venuetheses.fr (ABES) · 2021
Typepreprint
Languagefr
FieldEnvironmental Science
TopicCoastal and Marine Management
Canadian institutionsnot available
Fundersnot available
KeywordsGeography
DOInot available

Abstract

fetched live from OpenAlex

Au cours des dernières décennies, l’occupation des territoires côtiers s’est intensifiée partout dans le monde (Meur-Férec & Morel, 2004). Ces espaces ont connu une artificialisation croissante, que ce soit du fait du développement des infrastructures touristiques ou encore de la multiplication des résidences secondaires. Dans un contexte marqué par le changement climatique, se manifestant entre autres par une hausse du niveau marin, ces espaces sont soumis à de nouveaux défis en termes d’adaptation (GIEC, 2019). La question des risques côtiers (submersion et érosion marine) se pose avec acuité et concerne différents pans de la société, que ce soit la sphère économique (ex. maintien de l’offre touristique), le monde politique (ex. gestion de l’urbanisation et des risques) ou encore la société civile (ex. les usagers et habitants de ces espaces). Notre recherche s’intéresse aux représentations sociales de ces risques, mobilisées par les individus qui vivent et/ou travaillent sur ces territoires côtiers. Elle a été menée dans un cadre international, dans plusieurs territoires à risque en France et au Canada. Différentes techniques d’enquête ont été mobilisées : entretien, questionnaire, tâche d’association de mots, analyse de contenu d’articles de presse. Nos résultats montrent, contrairement aux considérations scientifiques dominantes qui affirment donner une évaluation objective et réaliste des dangers, l’existence d’une construction sociale du risque dépendante d’un contexte environnemental et socioculturel.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Open science, Insufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.277
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0010.000
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0000.000
Science and technology studies0.0000.001
Scholarly communication0.0000.000
Open science0.0010.011
Research integrity0.0000.001
Insufficient payload (model declined to judge)0.0040.000

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.

Opus teacher head0.023
GPT teacher head0.261
Teacher spread0.238 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2021
Admission routes1
Has abstractyes

Explore more

Same venuetheses.fr (ABES)Same topicCoastal and Marine ManagementFrench-language works237,207