MétaCan
Menu
Back to cohort
Record W2073508214 · doi:10.4000/vertigo.14033

Comment légitimer l'accession au statut d'expert pour limiter les controverses : étude de cas en biodiversité

2013· article· fr· W2073508214 on OpenAlexvenueno aff
Daniel Marc, Frédéric Blanc

Bibliographic record

VenueVertigO · 2013
Typearticle
Languagefr
FieldSocial Sciences
TopicFrench Urban and Social Studies
Canadian institutionsnot available
Fundersnot available
KeywordsHumanitiesPolitical scienceArt

Abstract

fetched live from OpenAlex

L’environnement en général et plus encore la gestion de la biodiversité sont des domaines où le besoin et la revendication d’expertise est à la fois très forte et très répartie. Cela s’explique en partie par une intrication des problématiques qu’il rencontre avec celles de plusieurs disciplines scientifiques. La tentation de rechercher en la science une objectivité garante du bien-fondé des décisions publiques y est donc prégnante. Ensuite il s’agit d’un domaine qui intéresse fortement la société civile et pour lequel il est relativement aisé de se forger des opinions. Le terreau est donc bien présent pour que les controverses soient nombreuses sur ces questions. Depuis la définition de l’expert, scientifique, usager, sachant ou foule profane jusqu’à légitimation des experts eux-mêmes, les points d’achoppement sont variés. Nous montrons dans cette étude de cas, les stratégies de long terme développées par deux acteurs de l’environnement en France, l’Office National de la Chasse et de la Faune Sauvage et les Conservatoires d’Espaces Naturels, pour obtenir une plus grande légitimité. Le premier disposant d’une légitimité légale rationnelle a voulu la compléter par le développement de leur expertise scientifique. Les seconds forts d’un ancrage territorial et d’une pratique rigoureuse ont cherché la légitimation de leurs actions par la loi. Les deux semblent aujourd’hui avoir réussi dans leurs démarches. Leur investissement semble avoir été productif du point de vue de leur légitimité intrinsèque, mais bien plus nuancée quant à la portée réelle de cette légitimité. Les controverses restent nombreuses quelle que soit la légitimité de l’expert et en ce sens l’efficience des investissements consentis est à relativiser. Par contre, il en ressort une professionnalisation du statut d’expert, plus claire et mieux argumentée, laissant penser que ce foisonnement d’acteurs, source de concurrence est une chance pour l’intérêt général.

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 imitation

Not 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.

metaresearch head score (Codex)0.033
metaresearch head score (Gemma)0.065
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesScience and technology studies
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Qualitative · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.989
Threshold uncertainty score0.176

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0330.065
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0020.003
Science and technology studies0.0110.016
Scholarly communication0.0150.017
Open science0.0020.006
Research integrity0.0090.008
Insufficient payload (model declined to judge)0.0170.003

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.

Opus teacher head0.036
GPT teacher head0.269
Teacher spread0.233 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

Study designQualitative
Domainnot available
GenreEmpirical

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".

Quick stats

Citations2
Published2013
Admission routes1
Has abstractyes

Explore more

Same venueVertigOSame topicFrench Urban and Social StudiesFrench-language works237,207