La contribution des jeux sérieux dans la planification territoriale de l'adaptation aux changements climatiques : leçons d'une application pour la gestion des risques côtiers en Matanie
Bibliographic record
Abstract
Les risques d'érosion et de submersion marine sont en constante augmentation pour plusieurs municipalités côtières de l'est du Québec. Alors qu'ils sont exacerbés par la pression des changements climatiques, plusieurs acteurs territoriaux entament des démarches de planification pour mieux anticiper les aléas côtiers et s'adapter. Pour faire face à la complexité d'une telle démarche, impliquant une pluralité d'acteurs et d'échelles territoriales, la science montre que les outils de mises en situation appelés « jeux sérieux » se démarquent comme approches de médiation et d'expérimentation. Proches des « labs », ils peuvent agir comme outils de transmission de connaissances et d'engagement des parties prenantes. Mais qu'en est-il plus particulièrement? Comment les jeux sérieux s'insèrent-ils dans une démarche de planification territoriale? Quelle perception s'en font les acteurs territoriaux? Par une approche qui combine analyse documentaire et mise à l'épreuve d'un jeu sérieux, nous cherchons à saisir l'intérêt d'un tel outil dans une démarche territoriale de l'adaptation. L'évaluation d'un jeu par des méthodes d'observation, de discussions de groupe et d'entretiens semi-dirigés invite à voir son effet mobilisateur et sa capacité à initier la discussion sur un enjeu vécu. Les professionnels montrent un intérêt marqué et un engagement fort dans les mises en situation proposées. Cela dit, les répercussions à long terme d'un tel outil sont encore peu documentées. La mise à l'épreuve répétée d'un jeu et la multiplicité des méthodes d'évaluation sont requises pour établir l'impact sur les connaissances acquises et la perception des joueurs.
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 | 0.004 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.006 |
| Scholarly communication | 0.008 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 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".