Questions de goûts et de couleurs : les variantes agro-alimentaires en Corse à l’épreuve de la certification
Bibliographic record
Abstract
La production alimentaire corse propose une gamme étendue de produits qui se distinguent souvent entre eux par la richesse des modes de fabrication. Selon les villages une même catégorie de nourriture répondra à des normes de préparation, de consommations distinctes. Une politique de défense des savoir-faire et de reconnaissance des qualités est actuellement engagée et se concrétise, entre autre, par des demandes d’AOC auprès des institutions responsables des labellisations. Elles mettent en œuvre des « systèmes d’experts » qui sont dans l’obligation de définir communément des critères de définition d’une production respectant les diversités microrégionales. De leur côté les consommateurs avisés, habitués à gérer les nuances, se trouvent déstabilisés par les récentes innovations techniques et sont confrontés à la multiplicité des versions aux origines et aux modes de transformations les plus divers. Tandis que les profanes demandeurs (touristes et importateurs) de ces produits y trouvent une ébauche de repères. La complexité générée par la nécessaire conciliation des contraires sera examinée à la lumière de deux produits emblématiques du terroir insulaire : charcuterie et farine de châtaigne.
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 | 0.014 | 0.024 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.005 | 0.031 |
| Scholarly communication | 0.012 | 0.020 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.008 | 0.005 |
| Insufficient payload (model declined to judge) | 0.011 | 0.002 |
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".