Quelles conditions à l’acceptation d’un dispositif incitatif de politique publique en agriculture ?
Bibliographic record
Abstract
L’article s’intéresse à un dispositif institutionnel particulier appelé les mesures agro-environnementales territorialisées Directive cadre sur l’eau (MAET-DCE). Ce dispositif a été introduit par les pouvoirs publics en 2007 pour inciter les agriculteurs à recourir à des pratiques davantage respectueuses de la ressource en eau. Toutefois, l’adhésion des agriculteurs à un changement de pratiques est loin d’être acquise. Partant de ce constat, l’article vise à montrer que le dispositif MAET en tant qu’innovation institutionnelle et technique ne pourra produire les effets escomptés, à savoir contribuer à améliorer la qualité de l’eau, que s’il devient acceptable aux yeux des agriculteurs impliqués. Le concept de légitimité sert à préciser les conditions requises à cette acceptation. L’expérience relativement réussie d’une MAET-DCE conduite en Midi-Pyrénées est utilisée comme cas d’étude.D’un point de vue conceptuel, les contributions d’auteurs en économie, comme Amartya Sen, Daniel Bromley et Arild Vatn servent à mieux comprendre comment des acteurs peuvent collectivement actualiser leurs croyances et leurs raisons d’agir, et par ce biais légitimer le changement de pratiques agricoles véhiculé par une mesure de politique publique. En cohérence avec le cadre d’analyse théorique, la démarche méthodologique combine une analyse du compromis institutionnel sur lequel repose le dispositif MAET-DCE et une analyse comparative des croyances sous-jacentes aux raisons d’agir des agriculteurs engagés et non engagés dans la MAET étudiée. Ces croyances sont constatées au travers des pratiques agricoles effectives et à travers les discours d’acteurs, agriculteurs et conseillers MAET.
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 | 0.019 | 0.039 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.009 | 0.024 |
| Scholarly communication | 0.022 | 0.013 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.007 | 0.007 |
| Insufficient payload (model declined to judge) | 0.015 | 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".