Bibliographic record
Abstract
Résumé Cet article s’inscrit dans une réflexion sur les raisons du contrôle du savoir scientifique innovant et sur les modalités de sa mise en œuvre par les grandes institutions sociales nationales et internationales. La sociologie de la connaissance s’intéresse depuis toujours au rôle social du savoir (le pouvoir qui peut s’y enraciner) et à ses transformations et ses vecteurs (les experts, les intellectuels, les élites cognitives). Néanmoins, la préoccupation principale de la sociologie de la connaissance a traditionnellement tourné autour de la production plutôt que de la consommation du savoir. Il convient désormais, en sociologie de la connaissance, de s’orienter davantage vers ce que l’on pourrait appeler les « politiques du savoir ». Dans un premier temps, je décrirai et délimiterai la notion de politique du savoir comme domaine nouveau d’activité politique. S’agissant de la mise en œuvre de nouvelles capacités d’action (en d’autres termes, des savoirs), les politiques du savoir peuvent ne pas être restrictives a priori ; pour les besoins de cet article, toutefois, je mettrai l’accent sur les tentatives d’anticipation des effets des savoirs nouveaux sur les relations sociales ainsi que sur les tentatives de maîtrise de leur impact. Dans un deuxième temps, je repérerai certaines des raisons pour lesquelles les politiques du savoir prennent de l’importance comme champ d’activité politique dans les sociétés modernes. J’insisterai, en particulier, sur les relations en mutation entre science et société. Dans la troisième partie de l’article, j’introduirai une distinction entre politiques du savoir et politiques scientifiques. Avant de terminer par de brèves conclusions prospectives, j’esquisserai quelques cas pertinents des politiques du savoir en action.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.002 | 0.005 |
| Scholarly communication | 0.002 | 0.004 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 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; both teacher heads agree on what is shown here.
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".