Sportifs et produits dopants : prise, emprise, déprise
Bibliographic record
Abstract
Cet article recèle un triple objet : la récusation en doute de conceptions du dopage homologuées par des regards juridiques et médicaux, la reconsidération critique de la place des analyses des sciences sociales par rapport à l’hégémonie biomédicale en matière de dopage, un essai de modélisation du pouvoir fondé sur la relation d’emprise sportifs-produits. Pour ce faire, un matériau empirique recueilli au cours d’enquêtes précédentes (entretiens de sportifs dopés, témoignages publiés) est mobilisé et analysé systématiquement. L’étude de cas variés de recours aux produits dopants met à mal des conceptions ordinaires du dopage et révèle la présence d’actes où la dimension relationnelle est déterminante, où l’unanimité et la simplicité des frontières entre le dopage et une préparation médicalement assistée est brouillée, dont l’enchaînement est réversible, où s’observe enfin un continuum dans les usages possibles des produits. Est alors proposé un modèle qui vise la compréhension des relations de pouvoir dans le dopage au travers de mécanismes d’emprise impliquant des personnes, des situations et des produits, agencés en différentes configurations : « lâcher prise in situ », « agir en confiance et subir une emprise », « éprouver ses prises ».
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.011 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
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".