Bibliographic record
Abstract
Percevoir un médicament, un remède ou une drogue comme un objet pouvant nuire ou guérir selon une logique causale est possible selon un positionnement de l’extérieur. Si l’on se place au milieu des choses ou entre l’humain et le non-humain dans l’agencement-vie qui émerge entre les deux, il n’y a plus ni objet, ni sujet, mais un devenir. Voilà le lieu qu’occupent maintes chamanes et guérisseuses pour mieux connaître comment guérir avec les plantes, certaines de ces plantes étant communément nommées « drogue » ou « psychotrope », lorsque reconnues selon leurs propriétés biopharmaceutiques ou biomoléculaires. Dans cet article, je vise à montrer en quoi l’approche horizontale de guérisseurs en océan Indien et en Amazonie se comprend mieux par une approche phénoménologique rhizomique que par une approche généalogique de l’arborescence sur laquelle repose en grande partie l’approche scientifique actuelle. Trois études de cas démontrent respectivement en quoi devenir-plante se fait par le mouvement-repos, le rêve et l’affect. L’approche phénoménologique rhizomique en anthropologie proposée emprunte en partie à Deleuze et Guattari (1980) et permet de mieux comprendre comment il est possible d’entretenir des relations fructueuses avec les plantes. Une telle approche amène à privilégier un savoir obtenu par proximité, plutôt qu’à poser un regard de la distance typique du laboratoire qui extrapole la plante de ses contextes, voire d’elle-même, et qui s’intéresse le plus souvent à l’une des molécules de la plante plutôt qu’à ses synergies activées dans-la-vie.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".