Bibliographic record
Abstract
Alors que les regards du monde convergent vers les grands événements, l’impact environnemental qui les accompagne soulève des questions cruciales quant à la gouvernance de leur décarbonisation. Cet article explore les défis majeurs rencontrés dans cette quête de durabilité, notamment l’efficacité des instruments politiques, tels que les normes et les certifications environnementales. L’évaluation de ces outils révèle des lacunes notables, telles que le manque de clarté dans la délimitation des frontières opérationnelles du bilan GES, l’inefficacité des systèmes de vérification existants et les difficultés relationnelles entre les parties prenantes impliquées. La complexité croissante des grands événements, associée au nombre élevé de parties prenantes impliquées, complique la représentation précise du bilan global, notamment en ce qui concerne les émissions indirectes telles que celles du transport aérien. Pour réaliser une véritable réduction des émissions, il est essentiel de reconnaître l’impact significatif du Scope 3 sur l’inventaire GES global de ces événements. Cette reconnaissance appelle à une modernisation des cadres de gestion pour mieux encadrer les émissions indirectes. Parallèlement, une approche intégrée est indispensable, impliquant la promotion de modes de transport durables et l’élaboration de politiques visant spécifiquement à réduire les émissions de l’aviation.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.004 | 0.005 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.015 | 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".