La mer, un objet hautement politique
Bibliographic record
Abstract
Comment l’océan est-il construit socialement ? Cela a été appréhender à travers les méthodes des sciences sociales par la géographie, le droit, l’économie et l’histoire, mais peu par la sociologie, l’anthropologie ou encore la science politique. Les articles de ce numéro spécial de [VertigO] – La revue électronique en science de l’environnement qui s’intitule « La mer, un construit politique. La privatisation des territoires et des ressources maritimes en acte » contribuent à combler cette lacune en partant de différentes approches et en mobilisant l’anthropologie, la sociologie politique, le droit et la géopolitique dans l’analyse de l’objet « gouvernance des mers et des océans ». À cet effet, ce projet collectif cherche à proposer une vision plurielle des modalités d’étude des questions de pouvoir sur les enjeux maritimes par une analyse des conditions sociales et politiques de leur production. Ce hors-série a été produit grâce au laboratoire Littoral Environnement et Société LIENSs (UMR 7266) – équipe AGÎLE –, la Fédération de recherche en environnement pour le développement durable (FR CNRS 3097) de La Rochelle Université dans le cadre du développement de l’Observatoire APOLIMER ainsi que l’UMR 208 PALOC (patrimoines locaux, environnement et globalisation IRD-MNHN).
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 | 0.007 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.004 | 0.030 |
| Scholarly communication | 0.013 | 0.013 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.010 | 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".