Pour une mésoéconomie de l’émergence d’une bioéconomie : représentations, patrimoines productifs collectifs et stratégies d’acteurs dans la régulation d’une chimie doublement verte
Bibliographic record
Abstract
Cette thèse analyse, à partir d’une démarche mésoéconomique régulationniste et évolutionniste, l’émergence d’un espace économique. Les acteurs l’ont baptisé « bioéconomie », à partir d’interprétations divergentes du terme. Cet espace se différencie des façons traditionnelles de se représenter la division du travail en secteurs (la chimie, l’agriculture, l’énergie). Les acteurs qui cherchent à constituer cet espace les recomposent dans un champ original et spécifique. Ce champ est fondé sur l’usage de ressources renouvelables végétales, animales et algales. Les acteurs constituant le champ se proposent d’être une « industrie des industries ». Ils fourniraient, non pas des produits finaux, mais des produits intermédiaires, agro-alimentaires ou destinés à la chimie, aux matériaux et à l’énergie. Ce champ ne comprend pas par exemple le photovoltaïque. La bioéconomie recompose les relations entre agriculture et chimie, en (re)faisant de la première un fournisseur de la seconde. Nous mobilisons la notion de régimes de production de connaissances et d’activités économiques pour décrire la diversité des promesses technologiques faites par les acteurs. Nous montrons alors que la bioéconomie ne peut se réduire à la « révolution biotechnologique ». Trois grandes visions de la bioéconomie se confrontent. À un niveau plus fin, on présente trois cas de cette diversité. Les acteurs portent une « économie des promesses » à partir de leurs patrimoines productifs collectifs respectifs qu’ils cherchent à reproduire et projeter dans le futur. Cela donne lieu, de leur part, à un travail de problématisation de l’espace de la bioéconomie, qui détermine leur allocation de ressources.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 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 teacher head, 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".