État des lieux et valorisation des données du programme de sciences participatives Vigie-Nature dans le réseau des Réserves Naturelles de France
Bibliographic record
Abstract
Je tiens tout d'abord à remercier mes responsables de stage, Benoît Fontaine, Martin Jeanmougin et Florent Taberlet pour leur accompagnement durant les six derniers mois.Merci à Martin et Benoît pour leur transmission de savoirs et de connaissances tout au long de ce stage, pour leur bienveillance et leur gentillesse.Toujours dans la bonne humeur, j'ai énormément appris grâce à vous.Merci à Florent pour tes conseils et ta sollicitude depuis Dijon, merci pour la découverte du réseau RNF et de son fonctionnement.Je tiens également à les remercier pour leurs fines relectures qui ont permis l'élaboration de ce rapport de stage.Je souhaite également remercier Zacharie Moulin pour sa présence et son relais à RNF.Un immense remerciement à l'ensemble du CESCO pour les belles aventures scientifiques mais également humaines que j'ai pu vivre durant ce stage.Merci à l'équipe Vigie-Nature et aux personnes qui la compose pour l'ambiance joyeuse et engagée ainsi que pour la bienveillance qui règne dans le bâtiment 135.Merci aux Réserves Naturelles de France et à Alexis Rondeau pour leur invitation au congrès des réserves 2024 et pour l'opportunité d'y présenter mon travail.Merci aux membres de l'équipe de l'association RNF pour leur convivialité et leur accueil dans leurs locaux à Dijon.Je souhaite également remercier grandement Tiphaine Deveaux pour ses nombreuses aides lors de ce stage, pour ses partages de connaissances et d'expériences sur les données Vigie-Chiro, merci pour le temps que tu m'as accordé.Merci à Léa Mariton pour ton écoute et tes multiples déblocages lorsque j'arrivais avec des (petites) (nombreuses) questions.Merci également pour tes fonctions R partagées qui aident grandement et permettent un gain de temps indéniable.Merci à toute l'équipe du cambouis pour les réunions du mardi et les réflexions communes.Merci à Clement Vallé, Jean Nabias et Lise Bartholus et Mathis pour leurs précieux conseils en statistiques.Je tiens également à vivement remercier mes collègues de la salle Arc-en-ciel pour leur belles énergies, leurs discussions passionnantes (beaucoup de discussions) et leur soutien durant ce stage.Une mention spéciale pour toi Maël, que je remercie sincèrement pour ton enseignement en informatique, du fonctionnement d'un ordinateur à la réalisation de fonction(s) R, pour ta pédagogie et pour ces lignes de codes partagées.Un grand merci à l'ensemble des participant.e.s, bénévoles ou gestionnaires, des programmes de Vigie-Nature pour leur implication, sans qui ces études ne seraient pas possibles.Merci à mon frère, mon père ainsi qu'à Robin, pour leur bienveillance en m'écoutant parler de mes interrogations scientifiques (mais pas que) et en y répondant, pour leurs relectures et leur présence.Merci à l'ensemble de mes ami.e.s et de ma famille qui m'accompagnent dans les bons moments, comme dans les rédactions de rapport de stage.Participation de l'étudiante:1) Collecte des données : 5 % 2) Traitement des données : 100 % 3) Analyses statistiques des données : 100 % 4) Rédaction du mémoire : 100 %
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 | 0.029 | 0.090 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.010 | 0.009 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.015 | 0.008 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.018 | 0.004 |
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".