L'usage de la connaissance scientifique des pesticides et ondes électromagnétiques en Europe
Bibliographic record
Abstract
Les articles présentés dans ce hors-série de [VertigO] sont issus d’une recherche collective menée au sein du laboratoire SAGE de l’Université de Strasbourg avec le soutien du CIERA (Centre Interdisciplinaire d’études et de recherche sur l’Allemagne) de 2015 à 2016. L’objectif est d’éclairer, à travers une mise en perspective pluridisciplinaire, les façons dont les divers acteurs que sont principalement le pouvoir exécutif, le législateur, le juge, l’avocat et les autorités indépendantes utilisent la connaissance scientifique relative aux risques liés aux ondes électromagnétiques et pesticides. Comment définir la connaissance scientifique, quelles méthodes concourent à son émergence? Existe-il un (risque de) détournement de ladite connaissance scientifique ? Est-ce de la responsabilité de ces acteurs de solliciter d’autres expertises en cas d’incertitudes ou de controverses scientifiques ? Quand peut-on parler de controverses et quelles conséquences en déduire quant au degré de protection pour le citoyen ? Ce sont certaines des questions qui sont abordées. Afin de circonscrire les études, deux risques majeurs ont été retenus qui ont les particularités communes d’être nouveaux, de faire l’objet d’un contentieux en pleine explosion, d’être invisibles et de nous concerner tous, du consommateur, travailleur au producteur. Le champ d’investigation se limite aussi aux ordres juridiques français et allemands, tout en prenant le soin d’inclure la réglementation européenne. Ces études révèlent comment la réglementation de ces nouveaux risques est fortement tributaire de la manière dont la science est, ou non, sollicitée. Ce Hors-série a été publié avec le concours de l'UMR Société, Acteurs, gouvernement en Europe (SAGE) et du Centre Interdisciplinaire d’études et de recherche sur l’Allemagne (CIERA).
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 | 0.023 | 0.039 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.010 | 0.013 |
| Science and technology studies | 0.003 | 0.012 |
| Scholarly communication | 0.016 | 0.011 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.006 | 0.006 |
| Insufficient payload (model declined to judge) | 0.008 | 0.002 |
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".