Les compensations socio-environnementales : un outil socio-politique d’acceptabilité de l’implantation ou de l’extension d’infrastructures ?
Bibliographic record
Abstract
La présence ou l'installation d'équipements générateurs d'impacts négatifs, comme les aéroports, les centrales électriques, etc. suscitent sur les territoires riverains et au- delà de nombreuses contestations. Divers modes de résolution ont pu voir le jour recourant généralement à de nouvelles formes de concertation, sans toutefois que cette entreprise débouche sur une distribution spatiale plus « juste » des aménités et désaménités environnementales. Au travers des compensations territoriales (discrimination positive à l'embauche des riverains, offre de formations en leur faveur pour les emplois développés par l'infrastructure, aménagement d'espaces verts…) se dissimule l'ambition non seulement de lutter contre les nuisances mais aussi de redistribuer les externalités positives dans le but d'une meilleure équité. Mesures apportées principalement à la collectivité, elles sont en général le résultat de négociations entre différents acteurs : représentants des collectivités locales, exploitants/aménageurs, société civile – associations, syndicats souvent regroupés en coalition. Les compromis compensatoires tentent de concilier des domaines aux légitimités et aux fonctionnements apparemment antagoniques (justice sociale, équité spatiale et efficacité environnementale). Il s'agit cependant de se demander, au travers d'une mise en parallèle de cas d'étude aux Etats-Unis, en Allemagne au Canada et d'une approche synthétique sur la France, si ces outils d'action publique/privée participent réellement à la résorption des injustices environnementales et spatiales dans la mesure où l'utilisation de la compensation socio-environnementale n'est pas sans soulever des questions d'éthique
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.087 | 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; both teacher heads agree on what is shown here.
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".