Le coût humain des pesticides : comment les viticulteurs et les techniciens viticoles français font face au risque
Bibliographic record
Abstract
A travers un corpus de 70 entretiens réalisés auprès de viticulteurs et de conseillers viticoles en Languedoc-Roussillon, notre objectif est de comprendre pourquoi les viticulteurs ne cherchent pas à résoudre leurs incertitudes quant aux conséquences sanitaires des maux qu’ils éprouvent en utilisant des pesticides. Notre hypothèse est que c’est la seule stratégie qui s’offre à eux pour tenir leur peur à distance dans leur travail. Nous montrons d’abord qu’ils envisagent de manière ambiguë les maux qui les affectent au cours de leur travail. Puis, nous analysons leurs difficultés à préserver leur santé dans un contexte de travail contraint. Enfin, nous examinons comment des conduites de défi et un déni des situations s’articulent pour permettre la poursuite du travail. Cela, dans un contexte où la déstructuration des espaces et des temps partagés entre pairs entraîne une déliaison des collectifs, tandis que la recomposition de l’espace rural donne au regard public des effets paradoxaux. Ce qui érode les stratégies de défense des viticulteurs et ne modère pas leur usage des pesticides, mais en modifie les modalités.
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 | 0.005 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.005 | 0.006 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".