Trier le vivant urbain. Entre héritages et normes, des pratiques toujours teintées de sélection
Bibliographic record
Abstract
Le rapport des acteurs de la gestion du vivant à la biodiversité est un enjeu central dans l’avenir des espaces urbains : non seulement la majorité de la population humaine habite en ville ou dans l’aire d’influence d’un espace urbain, mais cette urbanisation du monde est une des causes principales de l’érosion de la biodiversité à l’échelle globale. Cet article propose d’examiner les enjeux de tri et de soin du vivant qui organisent et influencent l’évolution du rapport des gestionnaires et in fine, des citadins à la biodiversité urbaine. Dans une première partie, nous explorons l’héritage des différentes cultures gestionnaires du vivant en ville, à travers une revue de la littérature sur l’hygiénisme et ses évolutions (post-hygiénisme et néo-hygiénisme). Nous analysons ensuite le corpus réglementaire et les modalités de son application ou non par les praticiens. Enfin, nous présentons les résultats d’une enquête auprès d’acteurs publics et parapublics de la gestion des espaces publics urbains dans plusieurs collectivités françaises. Cette enquête montre une diversité de représentations voire de récits qui produisent différents registres de légitimation d’un tri du vivant non humain en ville.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.006 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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".