Spatialisation du risque lié aux tiques et prévention. Étude systémique d’une représentation sociale
Bibliographic record
Abstract
Le risque sanitaire lié aux morsures de tiques est prégnant dans tous les pays, et la France est largement concernée par celui-ci, notamment face à la borréliose de Lyme. Toutefois, peu d’études scientifiques s’intéressent aux représentations que la population a de ce risque et notamment la manière qu’elle a de le spatialiser. C’est pour cela que cette étude s’appuie sur une lecture systémique de la théorie des représentations sociales et plus particulièrement des représentations socio-spatiales en lien avec la notion de risque. De courts entretiens semi-directifs utilisant l’association libre ont été mobilisés en France sur les zones de Clermont-Ferrand et des Combrailles (n =143). Les résultats obtenus mettent en évidence un système articulant plusieurs objets de représentation avec une prédominance des éléments de santé dans la représentation du risque tiques autour de la maladie de Lyme. Toutefois, deux autres univers de référence font sens dans la représentation : les animaux et la nature. Il y a ainsi bien une articulation socio-spatiale du risque tique, mais qui tend à influencer négativement la représentation de la nature et plus spécifiquement de la forêt. Les stratégies de prévention doivent donc plus s’intéresser à cette dimension spatialisée de la représentation en améliorant une connaissance locale du risque et en prenant en compte son évolution liée au changement climatique.
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 | 0.008 | 0.016 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.005 |
| Science and technology studies | 0.004 | 0.009 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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".