Enjeux climatiques : la concertation multi-acteurs au Québec comme révélateur des défis associés à nos instruments d’urbanisme
Bibliographic record
Abstract
Au Québec, depuis plusieurs années, les collectivités locales expérimentent divers dispositifs pour prendre en compte les différentes parties prenantes concernées par de grands projets urbains. Ce faisant, l’objectif poursuivi est généralement de faire émerger quelques pistes de réflexion pour améliorer ces projets, voire pour arriver à une certaine acceptabilité sociale. Toutefois, ces dispositifs peuvent également révéler certains éléments qui questionnent plus directement les limites associées aux instruments d’urbanisme utilisés pour encadrer les projets urbains, de leur conception à leur gestion dans le temps. Prenant pour exemple les propos tenus lors de deux exercices de concertation multi-acteurs réalisés en amont d’un projet urbain, cet article fait ressortir quatre défis devant être relevés pour répondre efficacement aux enjeux climatiques. Nés de l’entrechoquement des idées et des points de vue, ces défis sont à percevoir comme des éléments de débats entre les parties prenantes. Mis en perspective, ils permettent également d’expliquer certaines dynamiques observables dans l’utilisation récente des instruments d’urbanisme au Québec.
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 | 0.003 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.012 | 0.005 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 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".