MétaCan
Menu
Back to cohort

Vivre avec les industries ? De la maîtrise de l’urbanisation à l’éducation aux risques : cas de Vitry-sur-Seine (France) et de Montréal-Est (Québec)

2014· dissertation· W7143964956 on OpenAlexaboutno aff
Jean-Christophe Blésius

Bibliographic record

Venuenot available
Typedissertation
Language
FieldSocial Sciences
TopicRisk Perception and Management
Canadian institutionsnot available
Fundersnot available
KeywordsContext (archaeology)Risk preventionSynchronizer

Abstract

fetched live from OpenAlex

Le risque industriel majeur est la probabilité que survienne, en un endroit donné, un incendie, une fuite toxique ou bien une explosion. Ce type de risque est inhérent à certains établissements qui entreposent, manipulent, fabriquent des matières qualifiées de dangereuses. La catastrophe industrielle majeure, qui concrétise ce risque, aura des répercussions importantes sur les hommes et leurs biens. Certaines agglomérations densément bâties laissent entrevoir des situations de cohabitation étroite entre des établissements industriels et d'autres types de constructions (résidences, équipements, autres activités, etc.). Par l'analyse de deux cas, la Ville de Vitry-sur-Seine en France et de Montréal-Est dans la province canadienne du Québec, cette recherche propose de mener une réflexion sur les réponses mises en œuvre pour faire face aux risques industriels majeurs inhérents à deux établissements de stockage. Après avoir satisfait à la nécessaire démarche d'identification du risque, plusieurs familles de réponses peuvent être mises en œuvre : réduction du risque à la source ; préparation des mesures d'intervention en cas d'urgence ; transmission d'informations ; pratiques d'aménagement ; intervention ; rétablissement. Au nom des « territoires du risque », ces réponses témoignent de ce que le risque est capable de « faire faire » au territoire. Cette recherche montrera que pour un même type de risque, les réponses peuvent différer sur les deux terrains d'investigation. C'est le cas de la réponse dite de maîtrise de l'urbanisation qui vise à créer (ou recréer), par l'aménagement, une certaine distance d'éloignement entre industries à risque et autres types de construction ; ou plus généralement à favoriser les conditions d'une meilleure cohabitation entre ces deux ensembles. Les différences observées ne relèvent pas tant du facteur géographique, mais plutôt de facteurs économiques et historiques. Malgré cette divergence, il ressort le constat commun d'une très complexe mise en œuvre de la maîtrise de l'urbanisation. Plus encore, il semble difficile de ne pas vivre avec l'industrie. C'est aussi le cas de la réponse qui vise à éduquer aux risques. Cette dernière consiste, en première lecture, à parler du risque majeur auprès de jeunes enfants dans les établissements scolaires. Les différences observées s'expliquent par des facteurs d'ordre pratique (manque de temps, de moyens) ; mais aussi, et non des moindres, par la thématique des représentations. Malgré tout, la mise en œuvre d'une éducation aux risques semble devoir surmonter certains enjeux afin qu'elle ne se réduise pas à une simple transmission d'informations. Cette recherche porte donc une focale sur la thématique de l'aménagement autour des établissements industriels dangereux ; tout en proposant de prolonger la réflexion sur des thématiques en lien avec les sciences de l'éducation. Elle permet de questionner la place qu'ont les industries dans les villes aujourd'hui. Plus encore, elle tente de montrer qu'il est préférable de mener une réflexion sur des solutions qui permettraient une meilleure cohabitation entre ville et industrie

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 imitation

Not 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.

metaresearch head score (Codex)0.005
metaresearch head score (Gemma)0.002
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Science and technology studies, Research integrity, Insufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Qualitative · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.481
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0050.002
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0000.001
Science and technology studies0.0020.000
Scholarly communication0.0010.001
Open science0.0010.000
Research integrity0.0020.001
Insufficient payload (model declined to judge)0.0030.000

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.

Opus teacher head0.022
GPT teacher head0.340
Teacher spread0.319 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designQualitative
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2014
Admission routes1
Has abstractyes

Explore more

Same topicRisk Perception and ManagementFrench-language works237,207