Le coût humain des pesticides : comment les viticulteurs et les techniciens viticoles français font face au risque
Notice bibliographique
Résumé
A travers un corpus de 70 entretiens réalisés auprès de viticulteurs et de conseillers viticoles en Languedoc-Roussillon, notre objectif est de comprendre pourquoi les viticulteurs ne cherchent pas à résoudre leurs incertitudes quant aux conséquences sanitaires des maux qu’ils éprouvent en utilisant des pesticides. Notre hypothèse est que c’est la seule stratégie qui s’offre à eux pour tenir leur peur à distance dans leur travail. Nous montrons d’abord qu’ils envisagent de manière ambiguë les maux qui les affectent au cours de leur travail. Puis, nous analysons leurs difficultés à préserver leur santé dans un contexte de travail contraint. Enfin, nous examinons comment des conduites de défi et un déni des situations s’articulent pour permettre la poursuite du travail. Cela, dans un contexte où la déstructuration des espaces et des temps partagés entre pairs entraîne une déliaison des collectifs, tandis que la recomposition de l’espace rural donne au regard public des effets paradoxaux. Ce qui érode les stratégies de défense des viticulteurs et ne modère pas leur usage des pesticides, mais en modifie les modalités.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,006 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».