Apport de la sociologie à l’étude de la réduction d’usage des antibiotiques
Bibliographic record
Abstract
Pour réduire l’usage des antibiotiques en élevage, divers travaux en sciences biotechniques visent à concevoir et identifier des solutions zootechniques ou thérapeutiques alternatives aux antibiotiques. Cependant, au-delà de ces solutions techniques, des facteurs humains et sociaux déterminent les décisions de prescrire et d’administrer ou non des antibiotiques. L’article met l’accent sur ces facteurs et dresse une synthèse des travaux menés en sciences humaines et sociales en France sur la réduction de l’usage des antibiotiques dans différentes filières animales et leurs contributions pour relever ce défi. Trois contributions majeures ont émergé, à différentes échelles. La première consiste en une meilleure compréhension des processus de changement de pratiques opérés par les éleveurs pour réduire l’usage des antibiotiques dans leur élevage : identification des freins et motivations des éleveurs pour opérer ce changement, caractérisation de trajectoires de changement y compris les contextes dans lesquels elles sont réalisées, et des outils mobilisés par les éleveurs pour y parvenir. Une seconde contribution porte sur la compréhension du rôle des réseaux d’acteurs des éleveurs dans ces processus de changement : rôle du conseiller d’élevage et du vétérinaire et de leur relation de travail avec l’éleveur ; rôle des pairs pour expérimenter de nouvelles pratiques. La dernière contribution porte sur la compréhension et la conception de modes de gouvernance collectifs pour réduire l’usage des antibiotiques en élevage : analyse de la prescription vétérinaire et de ses évolutions, du rôle des acteurs des filières pour une action concertée et de la dynamique impulsée par le plan EcoAntibio. Quelques pistes sont évoquées pour approfondir ces travaux.
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 | 0.002 | 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 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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".