Des élevages sous les fumées des industries du Creusot. La justice environnementale à rebours
Bibliographic record
Abstract
Dans les années 1970, les fumées des usines de Creusot-Loire, spécialisées dans la fabrication d’aciers, rendent malades les bovins qui paissent dans les pâturages alentour. Le problème fait la une de la presse en 1974. Un comité d’experts est constitué. Ceux-ci s’accordent sur une concentration excessive de molybdène dans les plantes et le sol, qui, associée à un déficit de cuivre, altère la santé des animaux. Les industriels réagissent en changeant les adjuvants dans le procédé de fabrication des aciers et en posant des filtres. Si le terme de justice n’est pas usité, les dommages et les préjudices sont réparés. Les éleveurs sont finalement indemnisés, même si l’expertise leur échappe. Tout converge pour dire que justice a été rendue, sous la pression du syndicat des agriculteurs et dans un contexte où l’environnement en est à ses prémices dans l’action publique. Pourtant, rien n’est dit sur la santé des riverains, des ouvriers et des agriculteurs. Ce cas vient enrichir les travaux sur la justice environnementale, très développés aux États-Unis et davantage sur les zones urbaines. Il illustre une situation rarement considérée : celle des relations entre agriculture et pollution industrielle dans les espaces ruraux.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".