Design et gestion des risques : plaidoyer pour une résilience communautaire
Bibliographic record
Abstract
Face à un monde en mutation, marqué par les aléas naturels amplifiés par les changements climatiques, les risques anthropiques et technologiques croissants, ce mémoire explore comment le design peut devenir un outil stratégique pour renforcer la résilience des communautés. En combinant une analyse historique de la sécurité civile, des analyses de projets et des concepts clés, tels que la polyvalence, l’accessibilité, le capital social, les tiers lieux et la résilience communautaire, cette recherche propose une approche innovante, intégrée et systémique pour gérer les risques. Le design, parfois perçu à travers le prisme esthétique ou fonctionnel, est ici examiné comme un levier pour concevoir des solutions adaptatives, durables et centrées sur les usagers pour améliorer la résilience des communautés. Le mémoire s’appuie sur le contexte canadien et des exemples internationaux pour démontrer que les designers, par leur capacité à anticiper et à innover, peuvent jouer un rôle clé à toutes les étapes de la gestion des risques. À travers l’analyse de projets polyvalents et un fondement théorique soutenu, il est possible d'illustrer comment les communautés peuvent mieux se préparer à l’incertitude et renforcer leur capacité de réponse face aux crises. Ce mémoire invite à repenser les pratiques traditionnelles de gestion des risques en intégrant créativité, innovation, inclusivité pour faire face à une grande diversité de risques liés autant aux aléas naturels qu’anthropiques, pour offrir un avenir plus sûr et résilient. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Design, Résilience, Polyvalence, Communauté, Risques, Aléas, Sécurité, Innovation, Systémique
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 | 0.008 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.011 |
| Scholarly communication | 0.008 | 0.006 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 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".