Reconnaître la dynamique des écosystèmes paysagers pour mieux saisir l’acceptabilité sociale des projets de développement éolien
Bibliographic record
Abstract
Le développement de la production d’énergie éolienne et son transport fait partie des orientations du gouvernement québécois depuis plusieurs années, autant en ce qui a trait aux domaines énergétiques que de développement durable. L’implantation de parcs éoliens issus des appels d’offres d’Hydro-Québec se heurte pourtant à un certain degré d’opposition de la part des collectivités qui accueillent les infrastructures. Cette opposition fait en sorte qu’un appui majoritaire ne peut être observé pour aucun des projets. L’hypothèse de l’essai est que l’évaluation des paysages, dans le cadre des études d’impacts de parcs éoliens, demeure inadéquate, d’où le manque d’acceptabilité sociale ou tout au moins un des facteurs le déterminant. La considération du paysage comme faisant partie d’un écosystème dynamique est ici le moyen envisagé pour améliorer son évaluation lors des études d’impacts de parcs éoliens. L’objectif général de l’essai est ainsi d’explorer le concept d’écosystème paysager et d’évaluer dans quelle mesure il pourrait être mieux cerné par les outils traditionnels d’évaluation des projets. Les concepts d’écologie du paysage et d’acceptabilité sociale sont circonscrits afin d’identifier leur degré d’intégration aux outils québécois d’évaluation et de gestion qui encadrent le développement éolien. Une identification des bouleversements de l’écosystème paysager, occasionnés par les parcs éoliens, démontre qu’aucun des outils gouvernementaux ne permet d’assurer adéquatement l’intégrité naturelle ou anthropique du paysage. Trois projets québécois, réalisés entre 2012 et 2016, servent pour l’évaluation de liens entre les impacts de bouleversements à l’écosystème paysager, considérés lors des études d’impact, et leur acceptabilité sociale. Les valeurs de critères d’analyse, en lien aux impacts de bouleversements à l’écosystème paysager, sont comparées aux valeurs d’indices d’acceptabilité sociale à travers les trois projets. Les résultats démontrent que 49 % des critères d’analyse permettent d’expliquer en partie l’acceptabilité sociale observée pour les projets étudiés. 74 % des liens observés entre les critères d’analyse et les indices d’acceptabilité mettent en relation un impact négatif minimal (ou un impact positif maximal) sur l’écosystème paysager avec une acceptabilité sociale maximale. En considérant les résultats observés lors de l’étude des projets de développement éolien, certaines recommandations destinées aux autorités gouvernementales peuvent être faites afin d’assurer l’intégration du concept d’écosystème paysager à l’élaboration de parcs éoliens par les promoteurs. Une priorisation de l’étude des critères d’analyse en lien aux impacts de bouleversement à l’écosystème paysager doit être faite, autant dans les outils d’évaluation et de gestion que lors des discussions entre autorités municipales et promoteurs. Une amélioration de la mesure de l’acceptabilité sociale des projets de parcs éoliens dans les collectivités affectées doit également être faite, un effort d’information supplémentaire de la part des promoteurs et un échantillonnage plus représentatif de la population pouvant mener à une mesure plus objective de l’acceptabilité sociale.
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 | 0.010 | 0.011 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
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".