MétaCan
Menu
Retour à la cohorte
Enregistrement W2565706180 · doi:10.4000/vertigo.17878

La production des savoirs sur les pesticides dans la règlementation européenne

2016· article· fr· W2565706180 sur OpenAlexvenueno aff
Annie Martin

Notice bibliographique

RevueVertigO · 2016
Typearticle
Languefr
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural safety and regulations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Cet article présente une approche critique des règles de production des connaissances sur la nocivité des produits phytopharmaceutiques en droit européen. Inscrit dans le cadre théorique emprunté à la sociologie, l’agnotologie, il montre que la méconnaissance de l’origine des normes européennes et leur nature juridique sont des facteurs expliquant que leur substance engendre une production d’ignorance sur la nocivité des pesticides. Les règles européennes de production des savoirs sur les pesticides sont en effet le fruit d’un phénomène de circulation des normes entre l’Organisation de coopération et de développement économique et l’Union européenne depuis le début des années 70. Ce trait des règles européennes, méconnu de la littérature juridique académique, est d’autant plus invisible que le transfert des normes s’opère par le biais de nombreux textes techniques qui relèvent tant de la soft law que du droit dur. Le contenu des règles européennes de production des connaissances sur la nocivité des produits phytopharmaceutiques confirme qu’elles produisent de l’ignorance à deux niveaux : les critères harmonisés de nocivité déterminants pour l’interdiction d’accès au marché sont incomplets et peuvent être écartés par le jeu de dérogations ; les règles annoncent la production de savoirs sur trois catégories de substances prises individuellement, mais seule l’une d’elles est l’objet d’une évaluation, tandis que les règles d’identification des risques liés aux effets cumulés des substances n’existent toujours pas.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,998
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,004
Communication savante0,0050,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,222
Écart entre enseignants0,193 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVertigOMême sujetAgricultural safety and regulationsTravaux en français237 207