L’influence du développement durable à travers la formation universitaire \nen design industriel
Bibliographic record
Abstract
Aujourd’hui, nous savons qu’environ 75 à 80% des impacts environnementaux\ndes produits sont déterminés lors de la conception. Le rôle du designer\nindustriel est donc crucial pour arriver à une forme de développement plus\nviable. Cette recherche tente de cibler les champs de connaissances qui\ndevraient faire partie de la formation des professionnels du développement de\nproduits pour y intégrer les aspects environnementaux.\nAprès une recension de la littérature en design industriel, en pédagogie et en\nenvironnement, l’étude de terrain a été conduite en deux temps. Selon des\ncritères prédéfinis, des programmes universitaires « spécialisés » en\nenvironnement/développement durable, au Québec, ainsi que des formations en\néco-conception, offerts en France, ont été analysés. L’étude de terrain a été\ncomplétée par un entretien en profondeur semi-dirigé avec un consultant, qui\naide des entreprises québécoises à intégrer l’environnement en développement\nde produits.\nL’analyse des informations recueillies met en évidence la nécessité de\ntransformer rapidement les formations universitaires en conception de produits.\nLe nouveau cursus de design industriel devrait;\n1. Intégrer les connaissances relatives aux impacts environnementaux;\n2. Encourager le travail en équipes multidisciplinaires pour enrichir la collecte\nd’informations relative aux projets de développement;\n3. Établir une collaboration étroite entre les établissements d’enseignement et\nles industries, ce qui est essentiel à la compréhension des enjeux de\ndéveloppement de produits et services (culture de l’entreprise, coût, délais,\nlogistique, réglementation, etc.).
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 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.008 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.028 | 0.003 |
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".