La dimension humaine des enjeux environnementaux dans un bassin versant au Brésil
Bibliographic record
Abstract
RÉSUMÉ\nLa richesse en ressources naturelles est une source de développement économique et social, mais peut également constituer un facteur de dégradation environnementale et de problèmes pour la santé humaine. Les systèmes techniques de gestion des ressources naturelles ne sont pas suffisants pour apporter des solutions à tous les problèmes environnementaux. Mises à part les catastrophes naturelles, c'est l'intervention humaine qui cause la grande majorité des problèmes environnementaux. C'est pour comprendre cette dynamique entre les facteurs naturels et les facteurs économiques, sociaux, politiques, culturels et psychosociologiques que nous avons choisi de centrer cette thèse sur la dimension humaine des problèmes environnementaux – ce qui implique l'analyse des dimensions psychosociologiques et sociales entourant les problèmes environnementaux.\nPour une gestion efficace des ressources naturelles, il nous faut donc comprendre l'action humaine, ses motivations et ses contraintes, ses orientations de valeurs et ses croyances, qui orientent les perceptions, les attitudes et les comportements humains par rapport à leur environnement. Pour ce faire, l’étude de valeurs, attitudes, croyances et comportements passe par l’examen attentif des concepts et de leurs définitions, ainsi que par l’analyse des diverses « dimensions » auxquelles chacun des concepts fait référence. Cette thèse porte justement sur les relations entre les valeurs, les croyances, les attitudes et les comportements humains par rapport aux problèmes environnementaux. Pour ce faire, nous avons utilisé un sondage auprès de 1800 répondants, habitants de la région du bassin versant de la Rio das Velhas, située dans la province du Minas Gerais, au Brésil.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.014 | 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".