Traitements phytosanitaires en viticulture française et prévention du risque pesticides. Retour d’expérience d’une communauté élargie de recherche ayant mobilisé l’ergotoxicologie
Bibliographic record
Abstract
Le risque associé aux pesticides est un sujet de préoccupation croissant qui soulève des enjeux à la fois environnementaux, sanitaires et économiques. Les réglementations et mesures de prévention françaises et européennes qui visent à réduire ce risque relèvent d’une logique de prévention descendante en imposant aux agriculteurs de bonnes pratiques à suivre. L’analyse de l’activité des utilisateurs de produits phytopharmaceutiques révèle des situations à risque pesticide malgré un fort encadrement réglementaire, technique et social de l’activité de traitement. Nous montrons dans cet article comment en France les expositions aux pesticides peuvent être documentées dans les conditions réelles d’usage des produits phytopharmaceutiques par le développement d’une communauté élargie de recherche mobilisant des outils ergotoxicologiques. Les réflexions construites par les viticulteurs et les ergonomes, autour de vidéo de l’activité et de mesures des pesticides, mettent en exergue divers niveaux de déterminants des situations à risque pesticides. Comprendre et chercher à agir collectivement sur ces déterminants vient soutenir l’agentivité des professionnels viticoles investis et contribue au développement d’une prévention construite.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".