Bibliographic record
Abstract
Cet article analyse certains aspects du mouvement français de réappropriation paysanne des semences, en particulier son choix stratégique de se présenter comme acteur de la conservation des ressources génétiques cultivées. L’auteure aborde l’implication de chercheurs (incluant la sienne) dans la construction d’un tel cadrage. L’histoire montre que ce cadrage a été politiquement productif sur certaines scènes et à des moments donnés, mais qu’il a pour écueil de réduire les semences paysannes à leur dimension génétique et les agriculteurs qui les cultivent au rôle de gardiens de la biodiversité. L’évolution du mouvement et du contexte réglementaire montre que des repositionnements sont possibles. Dans la conclusion, l’auteure réfléchit au bon usage du réductionnisme. Suivant Olivier de Sardan, elle distingue deux approches du réductionnisme chez les chercheurs (méthodologique et idéologique) pour défendre la première. En contrepoint, elle propose de nommer « réductionnisme stratégique » (en référence à Spivak) « le choix stratégique des acteurs de ne mettre en avant qu’un aspect limitatif de leurs pratiques et de leur projet ». Les chercheurs se font les alliés intellectuels des mouvements sociaux lorsque leur propre réductionnisme méthodologique s’aligne sur celui, stratégique, des acteurs.
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 | 0.002 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| 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".