Définir des indicateurs en milieu controversé : retour sur l’expertise scientifique « Algues vertes » en France
Bibliographic record
Abstract
La prolifération des algues vertes échouées sur les plages est un problème inscrit à l’agenda public depuis les années 1980 en Bretagne (France). Passé d’un problème essentiellement local au départ à un problème d’envergure nationale depuis la fin des années 2000, ce cas offre une illustration particulièrement frappante de cette idée que les indicateurs écologiques sont des entités éminemment politiques. Nous analysons l’imbrication du politique et du scientifique en suivant l’élaboration de tels indicateurs. À cet effet, nous mettons en perspective le processus de construction scientifique des indicateurs écologiques et le processus de construction politique des problèmes publics auxquels ils peuvent être rapportés. L’expertise scientifique autour des « algues vertes » se caractérise par un climat de fortes controverses qui l’a accompagnée sur un temps relativement long et qui l’a empêchée d’acquérir une véritable légitimité jusqu’à une période récente. Nous montrons la relative inefficacité du travail de démarcation entrepris par les protagonistes de la controverse, et en revanche l’impact positif de l’adoption de nouvelles catégories d’intervention elles-mêmes validées par une expertise d’État qui se pose en arbitre pour stabiliser la controverse.
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 | 0.019 | 0.021 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.009 | 0.006 |
| Science and technology studies | 0.018 | 0.025 |
| Scholarly communication | 0.024 | 0.011 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.007 | 0.005 |
| Insufficient payload (model declined to judge) | 0.009 | 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".