Bibliographic record
Abstract
Depuis quelques années les sciences et les techniques sont entrées dans le champ des luttes. Tout groupe menant une action à long terme se heurte tôt ou tard aux sciences et aux techniques. Dans les domaines de la santé, de l’énergie, du rapport au corps, de la psychiatrie, de l’économie internationale, des transports, on ne peut se contenter d’évidences spontanées. Ou bien les groupes s’approprient des connaissances et des techniques ou ils deviennent rapidement inefficaces dans leurs luttes. Mais comment accéder à ces connaissances, comment diffuser ces savoirs ? Dès lors se pose le problème des rapports entre les savoirs scientifiques et les savoirs populaires liés à des expériences et à une représentation propres de la réalité vécue par les milieux populaires. Aider à structurer, à révéler les savoirs populaires est une première étape de l’intervention. Confronter les savoirs avec le savoir scientifique concernant un même sujet en est une seconde. De là peut se dégager une articulation spécifique qui deviendra la base d’une mobilisation populaire efficace, par exemple dans le cadre de comités de défense, qu’il s’agisse de problèmes de pollution, de bruit, etc. Les « boutiques de science » du « réseau Galilée » sont ainsi à la fois des centres de documentation et une infrastructure de formation et d’intervention.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.013 | 0.017 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.019 | 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".