Trajectoire sociopolitique d’un indicateur de biodiversité forestière : le cas du bois mort
Bibliographic record
Abstract
Pour témoigner de la biodiversité des forêts françaises, les autorités publiques ont retenu en 2011 le volume de bois mort comme un indicateur de référence. Ce choix résulte d’un long processus de mise en problème public d’un objet longtemps ignoré des acteurs du monde forestier. Après une phase de trouble, d’épreuve et de construction d’une argumentation susceptible de retenir l’attention des décideurs publics, un intense travail de catégorisation et d’objectivation a permis de montrer l’importance du bois mort pour la biodiversité forestière. La communauté scientifique est ainsi parvenue à faire du volume de bois mort un des indicateurs de référence de la biodiversité des forêts françaises. Mais ce statut est sans cesse menacé par les nouvelles techniques développées par la communauté scientifique. La « diversité » des pièces de bois mort apparaît comme une métrique plus intéressante que le volume de bois mort lui-même. De même les nouveaux procédés métrologiques (par ex le barcoding ADN) permettent de décrire la biodiversité saproxylique sans même inventorier le volume de bois mort au risque de ringardiser cette métrique traditionnelle. Mais d’autres facteurs - coût d’acquisition des données, facilité de mise en œuvre, communicabilité, etc. – peuvent convaincre les autorités publiques de s’en tenir à la méthode classique d’estimation du volume de bois mort. Indicateur de gestion et objet de recherche, la catégorie « bois mort » pourrait à terme prendre des trajectoires très divergentes.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.020 | 0.002 |
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".