Bibliographic record
Abstract
Au cours des cinquante dernières années, les notions de ce que représentent une politique publique et un service public ont changé, amenant de nombreux secteurs d’activité, dont l’activité agricole, à se transformer suivant de nouvelles attentes sociales. Des activités privées, telle l’agriculture, se voient maintenant imposer des objectifs sociaux devant répondre à des besoins d’intérêt général. Or, entre les modèles de développement proposés et les modèles intégrés sur le terrain par les agriculteurs, il y a un clivage. À tout le moins, il y a des représentations différentes chez les uns et les autres de ce que signifie la pratique de l’agriculture. L’évolution du métier de berger, à travers le cas des éleveurs de moutons transhumants de Provence, est analysée dans ce chapitre. Différents facteurs ont amené ces éleveurs à modifier leur pratique d’élevage, leur façon de faire. Ce chapitre vise à mieux comprendre comment se définit le savoir-faire dans le milieu des éleveurs et comment il rencontre un savoir-faire proposé, voire imposé, par une raison institutionnelle. Il s’agit ici de présenter ces éleveurs et de décrire leur capacité à intégrer ces modèles politiques, ces attentes sociales et surtout leur capacité à s’y retrouver, à trouver du sens à la pratique de leur métier.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.006 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.038 | 0.003 |
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".