Mesurer et mobiliser les préférences des citoyens concernant la protection des sources hydriques
Bibliographic record
Abstract
Trois thèmes dominent la gestion environnementale : la participation du public, le recours \naux meilleures connaissances scientifiques et la rentabilité. Alors que l’évaluation \néconomique prenait une importance croissante en tant que moyen d’atteindre la rentabilité, \ncertains avançaient que sa méthodologie ne convenait pas aux situations complexes \ndépassant les connaissances et l’expérience des sujets interrogés. Il est possible que les \npréférences résultent de l’éducation et de l’expérience. De plus, il se peut que, dans le cas \ndes biens publics, les préférences se développent par le biais d’un discours social \nconfrontant de multiples cadres de valeurs et abordant des préoccupations en matière \nd’équité. De récentes expériences ont tenté de cerner les valeurs pouvant servir dans le \ncadre d’analyses coûts-bénéfices, et ce, auprès de groupes de délibération ayant accès à de \nl’information ou de l’expertise scientifique. Ce projet contribue au développement de \ntechniques d’évaluation par la délibération, par le biais de l’application dans l’Okanagan et \nd’une adaptation de collaboration avec d’autres projets du réseau. Une série d’expériences \nsur le choix sera menée dans la région Central Okanagan en mettant l’accent sur la \nprotection des sources hydriques.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.018 | 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".