Les monnaies virtuelles décentralisées sont-elles des dispositifs d’avenir ?
Bibliographic record
Abstract
Dans cet article nous défendons l’idée que les monnaies virtuelles décentralisées peuvent contribuer au changement systémique impulsé par l’ESS. Nous montrons tout d’abord qu’elles cumulent en effet des points forts des monnaies locales et des SELs dans leur pouvoir transformateur et apportent des solutions à certaines de leurs faiblesses, tout en ayant évidemment leurs propres limites. Ensuite, nous soulignons qu’une grande diversification est en cours au sein des crypto-monnaies et que certaines d’entre elles développent désormais des protocoles économes en énergie plus utiles à la collectivité ou basés sur la coopération, alors que d’autres se mettent au service de projets à valeurs proches de l’ESS. Ceci pourrait fédérer deux courants qui pour le moment s’opposent sur les valeurs et ainsi créer un mouvement d’une ampleur suffisante pour représenter un véritable contre-pouvoir face aux structures dominantes. Nous émettons toutefois des critiques sur ces dispositifs et proposons, en dernier lieu, une idée de crypto-monnaie géolocalisée avec fonte qui pourrait répondre à certaines limites rencontrées notamment par les monnaies locales dans leur définition de la proximité.
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 | 0.005 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.006 |
| Scholarly communication | 0.007 | 0.009 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.004 |
| Insufficient payload (model declined to judge) | 0.015 | 0.003 |
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".