Le risque au défi de la mémoire organisée : l’exemple de la gestion des mines d’uranium françaises
Bibliographic record
Abstract
Cet article vise à analyser le rapport entre la mémoire et la publicisation des risques environnementaux associés aux anciennes mines d’uranium françaises. L’exploitation des mines d’uranium est liée à l’histoire du développement d’une nouvelle technologie, de sa maîtrise à son intégration dans une société jusqu’à sa gestion une fois l’arrêt total. La production d’uranium amorcée au lendemain de la Seconde Guerre mondiale s’est achevée en France en 2001 à la fermeture de la dernière mine. L’angle de recherche proposé porte sur les conditions de la vigilance post-exploitation et questionne les modalités de gestion des risques sur la longue durée. En effet, l’histoire des mines d’uranium n’est pas linéaire, elle articule plusieurs récits : l’épopée de l’exploitation, le réaménagement des sites et la surveillance, et enfin la vigilance dans la prise en compte du risque. Il s’agit plus particulièrement d’analyser la façon dont la mémoire se constitue et comment elle représente un enjeu stratégique dans la prise en compte publique du risque. Si la reconstitution d’événements susceptibles de faire trace intervient dans la mobilisation de cette mémoire, ce constat pose avec acuité la prise en charge du « mémorable » dans la gestion du risque.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.004 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
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".