Le « jumeau numérique environnemental » à l’échelle du territoire, les données au cœur des cas d’usage
Bibliographic record
Abstract
Le jumeau numérique constitue une avancée majeure dans la gestion et la modélisation des territoires. Cet article présente une méthodologie incrémentale et itérative pour la construction d’un jumeau numérique environnemental, en s’appuyant sur l’analyse de cas d’usage. La définition de ces cas d’usage permet d’identifier les données numériques territoriales nécessaires à la création du jumeau numérique. Les résultats de cette étude offrent un éventail d’applications permettant de planifier et de gérer les territoires tout en intégrant les enjeux environnementaux. En se basant sur l’analyse de projets existants de jumeaux numériques à grande échelle et en décomposant leurs différentes applications et compositions, cette approche permet aux décideurs d’anticiper les impacts des changements climatiques, d’optimiser la gestion des ressources et de concevoir des stratégies d’aménagement plus durables et résilientes.
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 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.006 | 0.005 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 0.002 |
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".