Relocalisations climatiques et catégories terminologiques : au-delà des questions lexicales, quels enjeux pour les personnes concernées ?
Bibliographic record
Abstract
À l’instar des autres formes de mobilités climatiques ou environnementales, les relocalisations planifiées font l’objet de débats terminologiques. Il n’existe pas de consensus quant à la manière de les nommer. Cet article s’intéresse aux différents termes utilisés pour les désigner ainsi qu’à certaines de leurs implications, et tente de répondre aux questions suivantes : pourquoi l’un ou l’autre terme est-il préféré et dans quel(s) cas? Quelles sont les implications de ces différentes catégories? D’après les chercheur·euses sur le sujet, ce sont les termes « réinstallation », « relocalisation », « réalignement » et « retraite », souvent jumelés aux adjectifs « planifié·e », « organisé·e » et « stratégique », qui prédominent pour décrire ces processus. Sur la base d’une analyse de 20 documents issus de la littérature scientifique ou grise, cet article montre que s’ils sont parfois différenciés les uns des autres, ces termes sont à d’autres moments utilisés comme des synonymes. Au-delà des débats terminologiques, cette diversité de termes pour référer aux relocalisations planifiées rend la recherche par mots clés moins aisée et mène à une difficulté de s’accorder sur des caractéristiques communes. Elle remet aussi en question l’adéquation des cadres légaux et des politiques publiques les entourant, ce qui est inquiétant dans un contexte où leur nombre est appelé à augmenter dans les années à venir. Cette situation est d’autant plus complexe qu’elle nécessite de trouver un équilibre entre la résolution de ces débats terminologiques et la reconnaissance de la spécificité de chaque processus de relocalisation.
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 | 0.009 | 0.023 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.006 | 0.007 |
| Science and technology studies | 0.006 | 0.015 |
| Scholarly communication | 0.013 | 0.023 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.010 | 0.003 |
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".