Méthode de sélection d’outils favorisant l’adoption de comportements responsables envers l’environnement: application à la gestion des eaux pluviales en milieu urbain
Bibliographic record
Abstract
En regard des différents problèmes environnementaux persistants, il convient de favoriser un comportement respectueux envers l'environnement au sein de la société. Or, le changement de comportement est lent et difficile à générer. Il existe néanmoins une panoplie de théories, techniques et approches permettant de provoquer un tel changement. Il n'y a malheureusement peu de méthodes permettant de choisir les théories, les techniques ou les approches les plus appropriées. Ainsi, pour soutenir les professionnels dans leur travail, l'objectif principal de cet essai est de développer une méthode de sélection des outils suscitant un comportement responsable envers l'environnement. Par conséquent, le processus interne du changement de comportement chez l'individu est expliqué, alors que les théories, les techniques et les approches suscitant un changement de comportement sont également décrites dans cet essai. Bien que des changements de comportements et d'attitudes soient nécessaires à l'échelle planétaire, cette méthode s'adresse aux professionnels désirant modifier le comportement des citoyens des villes de taille moyenne au Québec. La méthode développée s'insère donc dans le processus de planification d'une campagne sociale. C'est à l'étape importante et stratégique de la définition des actions ou des outils de changement qu'elle s'applique. En ce sens, la méthode se décline en quatre principes logiquement ordonnés : identifier les comportements souhaités, répertorier les barrières au changement de comportement, déterminer les outils les plus adaptés et sélectionner les supports de communication. En plus d'une description détaillée, chacun de ces principes est appliqué au contexte de la gestion des eaux pluviales en milieu urbain afin de faciliter la compréhension. La gestion des eaux pluviales est, par ailleurs, un enjeu récent au Québec en raison des normes environnementales plus sévères. Par conséquent, cette méthode se veut un outil d'aide aux professionnels qui planifient une campagne sociale. À des fins de recherches ultérieures, il serait intéressant d'en évaluer la véritable efficacité auprès de professionnels, de le perfectionner et de le rendre accessible.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 teacher head, 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".