Bibliographic record
Abstract
On précise ce que représente l’adaptation au changement climatique, par rapport à l’atténuation (ou mitigation), qui est la réduction des émissions de gaz à effet de serre. Cette adaptation se révèle indispensable, même si on arrête d’émettre ces gaz, à cause de l’inertie thermique de la machine climatique. On analyse la situation de certains secteurs économiques (agriculture, viticulture, gestion des forêts) qui se sont largement appropriés les concepts du changement climatique et qui ont défini une stratégie d’adaptation. Une méthode est proposée qui va au-delà des études d’impacts à partir de la modélisation climatique régionale, dont les potentialités et les limites sont précisées. Il s’agit de créer un espace de dialogue entre les chercheurs, responsables des simulations numériques et les décideurs socio-économiques, à l’image de ce que réalise le consortium canadien OURANOS. On souligne aussi le rôle des évènements extrêmes, générateurs de réflexion et de méthode, même si leur lien avec le changement climatique est souvent difficile à justifier (événement exceptionnel par rapport à une tendance lourde et de grande échelle). Il apparaît enfin que les géographes et les météorologistes ont un rôle à jouer dans l’adaptation : les géographes parce qu’ils ont une approche intégrée des questions d’impacts, et les météorologistes pour la surveillance des évènements extrêmes et dans le cadre des nouveaux services climatiques lancés par l’OMM.
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 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.003 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.002 | 0.005 |
| Scholarly communication | 0.008 | 0.006 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.017 | 0.005 |
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".