Bibliographic record
Abstract
Ce travail de thèse a pour ambition de comprendre les mécanismes et les processus qui régissent l’action en situation decrise, c’est-à-dire dans des conditions de gestion fortement marquées par l’urgence et la nécessité d’agir vite en situationd’incertitude. Le constat d’une vulnérabilité du réseau routier face aux crues rapides nous conduit à la question suivante :quelles sont les modalités de gestion de crise lors d’événements pluvieux violents ayant pour conséquences des fermetures, des coupures ou des submersions du réseau routier et quelles sont les conditions de l’efficacité de gestion ? Notre étude souhaite montrer comment les acteurs en charge de la gestion du réseau routier dans un département régulièrement impacté par les inondations « gèrent » ces périodes de turbulences, avec quelles ressources et avec quels outils (plans, logiciels, dispositifs techniques, fiches actions etc.). Ce que nous souhaitons montrer, ce n’est pas tant qu’il existe des décalages entre le travail prescrit et le travail réel des opérateurs en temps de crise, mais bien les modalités de ces déplacements. En ce sens, c’est la question de l’efficacité qui est au coeur de notre démarche. Au sens étymologique, l’efficacité est une « vertu », une « force » (du latin efficacitas), elle doit nous permettre dans ce travail de saisir les décalages entre se qui se rapporte d’un côté à la planification et à une gestion organisée des crises, et de l’autre ce qui se rattache à la métis, c’est-à-dire l’intelligence pratique des acteurs en charge de l’exécution des tâches planifiées. Plutôt que d’identifier des défaillances, nous souhaitons montrer ce qui semble efficace du point de vue des acteurs, ce qui est « porteur » pour l’action, ce qui fait sens (Jullien, 1996, 1992). Quels sont les mécanismes vertueux que les acteurs mettent en place afin d’assurer une certaine efficacité de gestion, et de « faire tenir » ce moment de crise caractérisé, d’après une partie de la littérature, par la perte de repères pour l’action ? Approcher les conditions de l’efficacité demande d’une part d’analyser les pratiques des acteurs (rapport à la confiance, à l’adaptation, à l’improvisation, à l’interprétation de l’environnement et des informations), d’autre part de connaître les plans d’action qui les prescrivent.
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 | 0.005 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.007 | 0.011 |
| Scholarly communication | 0.012 | 0.010 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.004 | 0.010 |
| Insufficient payload (model declined to judge) | 0.031 | 0.007 |
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".