Étudier les connectivités socio-écologiques pour conforter la gestion des milieux aquatiques en Martinique
Bibliographic record
Abstract
La gestion des milieux aquatiques requiert aujourd’hui un changement de paradigme. Les chercheurs ont mis en évidence que les connaissances biophysiques ne suffisent pas à gérer les écosystèmes aquatiques. Pour leur part, les gestionnaires de l’eau intègrent de plus en plus la nécessité de prendre en compte les interactions des personnes avec les milieux aquatiques dans leurs propositions d’action publique. Le dialogue entre chercheurs et gestionnaires permet ainsi de réfléchir ensemble à des outils appropriés pour offrir des solutions concrètes aux problématiques de conservation de ces milieux fragiles. Cet article vise à comprendre la dimension humaine présente dans un environnement fait d’interactions sociales, écosystémiques et politiques. Pour ce faire, cette recherche mobilise la notion de connectivité socio-écologique en tant qu’outil de connaissance systémique des enjeux liés aux interactions multiples des sociétés avec ces écosystèmes et vice versa, à partir d’une catégorisation des représentations et des pratiques sociales. Sur cette base, le projet Dlo laté dlo lanmè (L’eau de la terre, l’eau de la mer) sur l’île de la Martinique, dont cet article présente une partie des résultats, a été co-construit entre le monde académique et celui des gestionnaires. Il a permis d’identifier des leviers pour conforter la gestion intégrée des milieux aquatiques à partir d’une recherche qualitative qui identifie les caractéristiques et le niveau d’intensité des interactions entre les habitants de la Martinique et leur environnement proche. Ce travail, inscrit dans la géographie sociale environnementale, propose ainsi de renouveler l’appréhension des relations sociétés-milieux aquatiques en permettant aussi bien de placer la dimension spatiale au cœur de l’analyse, que de rendre compte de manière dynamique de la temporalité qui structure les interactions.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.004 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
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".