Cartographie systématique de la région du Mékong pour mieux comprendre les liens entre inégalités et changements environnementaux
Bibliographic record
Abstract
Comment les changements environnementaux influent-ils sur les inégalités, et, inversement, comment les inégalités affectent-elles les dynamiques environnementales ? Nous présentons une cartographie systématique qui étudie la relation entre ces deux aspects dans cinq pays du bassin du Mékong : Cambodge, Laos, Myanmar, Thaïlande et Vietnam. Les inégalités sont considérées en examinant l’impact de questions environnementales, telles que les politiques relatives à la terre et à l’eau, les interventions dans le domaine de l’hydroélectricité, de l’exploitation minière ou des plantations commerciales, les catastrophes climatiques, les pollutions et les problèmes de santé, sur divers groupes de population – notamment les ethnies minoritaires, les populations précaires, les petits exploitants, les femmes ou les migrants. 14 570 publications, ouvrages ou rapports de la « littérature grise » ont été collectés et passés au crible par titre, résumé et texte intégral. 2 355 articles sont inclus dans cette cartographie systématique sur la période 1978-2020. De façon générale, les articles qui traitent directement des inégalités en relation avec les changements environnementaux sont rares et récents. Trois thématiques apparaissent particulièrement représentées : l’accès aux ressources et les questions relatives aux droits (967 articles) ; le changement climatique et les impacts des catastrophes naturelles (533 articles) ; les aspects – croissants – liés à la pollution (299 articles). La cartographie systématique pose le cadre de la recherche, sa répartition géographique et son évolution dans le temps et caractérise les effets des changements environnementaux en fonction de différents groupes de population. Un dépôt d’archives d’accès ouvert vers les références sélectionnées et leur résumé est mis à disposition de la communauté.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.011 | 0.025 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 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".