Bibliographic record
Abstract
Recommandations concernant les besoins scientifiques pour la préparation, la mise en œuvre et l'évaluation des politiques environnementales fédérales Rédigées en réponse à la demande adressée au CFDD par la Ministre du Climat, de l'Environnement et du Développement durable et du Green Deal, Madame Zakia Khattabi ; Dans le cadre d'un processus mis en place, validé et organisé par le CFDD ; Ce document a été validé par le groupe des scientifiques du CFDD le 30 juillet 2024 ; Les membres du CFDD ont pris acte des recommandations de ce document ________________________________________________________________________ Lignes de forceLe contexte de crises multiples, de défis environnementaux complexes et interconnectés nécessite plus que jamais des réponses politiques appropriées et coordonnées entre les niveaux de pouvoir.On assiste à une forte croissance du nombre et de l'étendue des politiques environnementales fédérales appelées à apporter des réponses à court, moyen et long terme aux défis environnementaux (notamment dans le cadre des obligations internationales de la Belgique), mais aussi des politiques en général ayant des impacts en termes environnementaux.La science doit avoir un rôle important en termes d'appui à la préparation, la mise en œuvre et l'évaluation de ces politiques.
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 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.092 | 0.025 |
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".