Des escales sans fumées : entre ambition européenne et réalités locales, V2
Bibliographic record
Abstract
Le secteur maritime représente environ 3 % des émissions mondiales de CO₂ et constitue une source importante de polluants atmosphériques, notamment lors des escales, lorsque les navires maintiennent leurs moteurs en fonctionnement. Ces émissions, concentrées dans les zones portuaires, ont des impacts directs sur la qualité de l’air et la santé publique. La ville de Marseille, l’un des principaux ports européens, se trouve au cœur de cette problématique. Le règlement européen AFIR (Alternative Fuels Infrastructure Regulation) impose qu’à l’horizon 2030, 90 % des escales soient électrifiées afin de réduire ces nuisances. Ce mémoire analyse, à travers une enquête qualitative basée sur des entretiens semi-directifs avec sept parties prenantes clés (État, port, armateur, collectivités, ONG, opérateur réseau), dans quelle mesure l’électrification des navires à quai répond aux problématiques environnementales de la ville de Marseille. La démarche s’appuie sur une méthodologie d’enquête enchâssée, une modélisation systémique et la théorie des parties prenantes. Les résultats mettent en évidence des avancées notables, notamment la réduction attendue des émissions locales et l’acceptabilité accrue des activités portuaires, mais aussi des limites : effet rebond lié à l’augmentation potentielle du trafic, sous-utilisation des infrastructures existantes, divergences d’intérêts entre ville, port et armateurs. Si l’AFIR apparaît comme une étape décisive, il doit être complété par des mesures fiscales (taxation du fuel lourd), des incitations financières, un élargissement progressif du périmètre et une meilleure coordination multi-acteurs. Cette recherche souligne ainsi que l’efficacité du règlement dépend moins de sa lettre que de sa capacité à être approprié par les acteurs, et de son articulation avec des politiques énergétiques et environnementales plus larges.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.000 | 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".