La reconversion du patrimoine immobilier scolaire primaire: Fonction des lieux et nouveaux enjeux de valorisation patrimoniale
Bibliographic record
Abstract
Ce mémoire a pour objet d’étude la reconversion du patrimoine immobilier scolaire afin d’en déterminer les nouvelles fonctions d’anciennes écoles primaires et les enjeux de valorisation de ces lieux porteurs de patrimoines protéiformes (immobilier, mobilier, matériel, immatériel). L’objectif en est de dresser une étendue la plus large possible des requalifications de ce type de bâtiments, dont le nombre de fermetures est en constante augmentation pour des raisons démographiques, et d’en analyser la pertinence d’un point de vue patrimonial, mise en regard avec des concepts précis. La première partie se concentre sur la France, avec une identification des éléments susceptibles de patrimonialisation, une histoire de l9architecture scolaire, la valorisation de l’univers scolaire et une présentation exhaustive des types de reconversions. La deuxième partie présente des études de cas dans trois pays, le Japon, le Canada et les Etats-Unis, offrant une comparaison avec la France. Enfin, la troisième partie est une proposition de projet de valorisation autour de la thématique des requalifications d’écoles après 1970 par le biais d’une exposition virtuelle en partenariat avec le Munaé.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 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".