De la difficile émergence d’une controverse écologique – Le cas du dépôt des munitions dans les lacs suisses après la Seconde Guerre mondiale
Bibliographic record
Abstract
Dans la perspective du second conflit mondial, la Suisse s’est engagée dans la production massive d’armements militaires. Épargnée par la guerre, elle procède à partir de 1948 à la réduction de ses stocks en privilégiant le rejet des munitions dans ses lacs plutôt que de les faire exploser à ciel ouvert ou de les recycler. Malgré le retour sur la scène publique des munitions immergées, aucune controverse n’a éclaté dans un pays pourtant sensible aux questions environnementales. À partir du cas des munitions immergées dans les lacs, le présent article s’interroge sur les manières dont les stratégies du secret conjuguées avec d’autres facteurs, tels que l’oubli ou d’autres priorités politiques, ont retardé toute réflexion sur ce dossier et ont participé au contingentement de tout débat public. À quelles conditions préalables le dépôt des munitions dans les lacs suisses pourrait-il entrer dans le débat public et engager les pouvoirs publics à agir au-delà même d’un risque potentiel non avéré ? Pour y parvenir, il s’agira de s’interroger sur le rôle et la fonction même de la controverse écologique comme moyen de mobilisation de la société civile et des acteurs institutionnels.
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 | 0.006 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.011 | 0.024 |
| Scholarly communication | 0.013 | 0.009 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.004 | 0.006 |
| Insufficient payload (model declined to judge) | 0.013 | 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".