MétaCan
Menu
Back to cohort

Evaluation de la capacité adaptative des socio-écosystèmes forestiers français face au changement climatique : le cas de la migration assistée

2015· dissertation· W7147155095 on OpenAlexaboutno aff
Roxane Sansilvestri

Bibliographic record

Venuenot available
Typedissertation
Language
FieldEnvironmental Science
TopicConservation, Biodiversity, and Resource Management
Canadian institutionsnot available
Fundersnot available
KeywordsContext (archaeology)LimitingPublic investment

Abstract

fetched live from OpenAlex

Dans la problématique du changement climatique, la mise en place de nouvelles stratégies d’adaptation apparaît comme un des grands challenges de nos sociétés actuelles. C’est au début des années 2000, que la communauté scientifique a proposé une option de gestion de la biodiversité afin de limiter les impacts dus à la vitesse du changement climatique, cette option étant connue sous le nom de migration assistée (MA). Cependant, malgré une justification théorique intéressante, l’application de cette pratique a soulevé de nombreuses questions autant éthiques, écologiques, économiques que politiques. Tout au long de cette thèse, je me suis intéressée à la capacité d’adaptation des acteurs face au changement climatique, via la mise en place de nouvelles pratiques de gestion, en s’intéressant tout particulièrement au cas de la MA. Compte tenu du rythme de migration lent des espèces forestières, les forêts représentent un écosystème pertinent pour la mise en place de la MA, et plus spécifiquement pour la France, qui compte plus de 29% de son territoire en surface boisée avec une forte problématique de fragmentation. Dans la première partie de cette thèse, nous nous sommes intéressés au débat que la MA a suscité et j’ai analysé les blocages qui existent actuellement dans sa conception et sa mise en place. Sur la base d’une analyse comparative entre la France et le Canada, j’ai pu mettre en évidence que les différentes conceptions d’adaptation et de MA entre les acteurs politiques et les scientifiques représentaient des barrières à l’application de programmes de MA. Ainsi, j’ai proposé une nouvelle conception de la MA, avec un volet écosystémique, permettant de limiter les approches économico-centrée de ces programmes. De plus, j’ai démontré que l’action de MA ne s’inscrit pas seulement dans une démarche de précaution mais également de prévention, dénouant ainsi le blocage présent sur la question du « quand doit-on agir ? ». Après une analyse théorique et empirique de la MA et de son contexte, dans la seconde partie, nous nous sommes posés la question de sa réelle application sur le terrain. J’ai donc analysé la capacité des acteurs forestiers locaux à mettre en œuvre des stratégies d’adaptation grâce à une méthode originale d’estimation des capitaux locaux. Malheureusement, cette analyse a montré qu’à l’heure actuelle, les forestiers mettent plus facilement en place des stratégies favorisant la robustesse que des stratégies plus complexes de résilience globale ou de transformabilité, telle que la MA, augmentant ainsi la fragilisation des socio-écosystèmes et risquant des transitions brutales.

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 imitation

Not 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.

metaresearch head score (Codex)0.003
metaresearch head score (Gemma)0.006
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.200
Threshold uncertainty score0.399

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0030.006
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0000.001
Bibliometrics0.0010.001
Science and technology studies0.0010.001
Scholarly communication0.0020.001
Open science0.0010.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0040.000

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 head0.032
GPT teacher head0.292
Teacher spread0.260 · 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 source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
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
Published2015
Admission routes1
Has abstractyes

Explore more

Same topicConservation, Biodiversity, and Resource ManagementFrench-language works237,207