Destinée des produits technologiques remplacés : l’influence de la valeur résiduelle perçue
Bibliographic record
Abstract
L’accélération du rythme de remplacement des produits technologiques conduit à la mise au rebut de nombreux objets encore en état de fonctionnement. Dans une perspective durable d’économie circulaire, l’objectif de cet article est d’éclairer les destinées des objets technologiques remplacés, en s’appuyant sur leur valeur résiduelle perçue (VRP), définie comme la valeur que leurs propriétaires leur accordent alors qu’ils n’en ont plus l’usage. Dans un contexte de post-usage et de séparation avec les possessions, la VRP permet de prendre en compte simultanément un individu, un objet spécifique et une situation particulière, et d’estimer son influence sur la destinée de l’objet en question. Un outil de mesure de la VRP est développé autour de trois dimensions (utilitaire, financière et affective). Les résultats de régressions logistiques binomiales et multinomiales réalisées sur un échantillon de 1302 répondants, représentatif de la population française, montrent que la VRP explique bien le fait de garder ou non un produit remplacé et constitue un déterminant majeur du choix de filière lorsque cet objet n’est pas gardé. Des implications managériales en sont tirées, montrant comment la VRP constitue un levier pour favoriser la recirculation de l’objet et contribuant à résoudre les problématiques environnementales liées au gaspillage des ressources naturelles.
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 | 0.003 | 0.014 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 0.002 |
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".