Analyser et accompagner la gouvernance alimentaire territoriale : les apports du jeu sérieux « l’Alimentation locale en projet »
Bibliographic record
Abstract
Le jeu sérieux « l’Alimentation Locale en Projet » combine jeu de rôle et jeu de plateau dans un but de recherche participative sur la gouvernance alimentaire territoriale. Créé avec des structures d’accompagnement en agriculture (Association pour le Développement de l’Emploi Agricole et Rural Limousin notamment), il s’agissait de trouver un outil facilitant le dialogue et la compréhension mutuelle des divers acteurs de l’alimentation locale, tout en cherchant à contourner les difficultés de discuter de manière approfondie des résultats de recherches plus globales réalisées par les auteurs en matière de circuits courts de proximité et de projets alimentaires territoriaux. Cet article vise à présenter les enjeux liés à la gouvernance alimentaire, la place que peut y prendre un jeu sérieux, ainsi que le processus de construction du jeu. Il s’agit notamment de rendre visible les étapes conduisant à la production d’une version stabilisée du jeu. Ce faisant, il permet de discuter de la place de l’observation scientifique dans l’expérience de jeu et de l’articulation entre co-construction d’un cadre de dialogue commun et transmission des résultats de la recherche.
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 | 0.004 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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".