L'orchestration locale et régionale de l'adaptation aux changements climatiques
Bibliographic record
Abstract
Les impacts des changements climatiques vont de manière croissante avec l'augmentation des émissions de GES. Malgré un début de prise en charge par les municipalités, l'adaptation aux impacts ne se fait pas encore à une cadence permettant de pallier les risques. Les recherches indiquent d'ailleurs que l'adaptation devrait être élaborée à travers l'engagement de diverses parties prenantes. Dans ce contexte, ce mémoire de maîtrise en aménagement du territoire et développement régional (M. ATDR) vise à contribuer à la compréhension des capacités de gouvernance et des conditions sous lesquelles elles sont mobilisées pour l'adaptation locale et régionale aux changements climatiques. Le mémoire se penche ainsi sur les concepts d'apprentissage social et d'agentivité pour ensuite examiner principalement l'orchestration. Cette dernière est comprise comme un mode de gouvernance indirect basé sur l'utilisation d'intermédiaires pour atteindre des cibles d'adaptation. L'orchestration est définie par trois conditions: l'alignement stratégique des acteurs, la médiation à travers les échelles et les secteurs et la création de contextes d'opportunités. Pour observer l'orchestration et saisir ce que ce mode de gouvernance nous amène à voir concernant le processus d'adaptation au climat à l'échelle locale et régionale, nous étudions le cas de Trois-Rivières, Québec, Canada. Trois grands résultats découlent de cette étude de cas. D'abord, une structure ou une stratégie préexistante peut servir de force motrice pour l'alignement stratégique de parties prenantes autour de l'adaptation aux changements climatiques. Ensuite, la médiation entre les acteurs et les échelles requiert qu'une grande latitude soit accordée aux parties prenantes et que les orchestrateurs sachent quand céder leur place, offrir des ressources et valoriser les actions. Enfin, les compétences humaines et interpersonnelles des personnes engagées dans la démarche d'adaptation sont essentielles pour que des relations de confiance soient établies entre les parties prenantes et pour qu'elles durent.
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 | 0.002 |
| 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 | 0.005 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 0.002 |
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".