Issues and dynamics of the implementation of adaptation strategies to climate change in urban areas (the case of Montreal and Paris)
Bibliographic record
Abstract
De par l’inéluctabilité des changements climatiques d’origine anthropiques en cours et à venir, l’adaptation des systèmes humains est désormais une priorité des agendas politiques municipaux. Néanmoins, la mise en pratique d’actions réduisant les vulnérabilités des populations et des territoires face aux impacts appréhendés se heurte à plusieurs barrières, parmi lesquelles celles d’ordre cognitif, organisationnel et institutionnel. Dans le cadre de cette recherche doctorale, les 83 entretiens semi-dirigés menés auprès d’acteurs professionnels en changements climatiques entre Paris et Montréal confirment l’idée d’une mosaïque de représentations sociales générées par l’expression « adaptation aux changements climatiques », laquelle donne lieu à des interprétations variées une fois la mise en œuvre engagée. L’analyse qualitative de ces données de terrain, complétée par l’apport de l’outil lexicométrique, permettent de mieux saisir certaines logiques d’actions, notamment celles motivant certaines décisions municipales ou celles en arrière de dynamiques organisationnelles. À partir de l’ensemble de ces résultats, la recherche souhaite exposer que l’avènement du volet portant sur l’adaptation aux changements climatiques dans un contexte urbain de pays industrialisé d’importance tel que Montréal ou Paris ne peut être assimilé à un changement de paradigme, mais s’apparente davantage à un vecteur de mise en application des préceptes du Développement durable telle qu’initiée par les mouvements « durables » de Rio (1992). Ainsi, bien qu’actuellement identifiée spécifiquement à la problématique climatique, l’adaptation pourrait rapidement se révéler comme un outil essentiel de participation à la fabrique de la ville viable.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.007 | 0.009 |
| Scholarly communication | 0.008 | 0.002 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".