L'abattoir, de l'usine à la ferme : éthique et morale dans les dynamiques d’innovation des systèmes agroalimentaires
Bibliographic record
Abstract
L’objectif de ce chapitre est de clarifier la place de la morale dans les processus d’innovations. Rendre compte d’innovation(s) responsable(s), une catégorie aujourd’hui centrale dans le champ des politiques de l’innovation, c’est comprendre comment la responsabilité morale, qui est au coeur de la problématisation de l’agriculture et de l’alimentation, génère des innovations. L’évaluation est ici envisagée selon une démarche descriptive. Elle porte une attention particulière aux jugements moraux des acteurs. À l’appui des résultats d’une démarche de recherche-action sur les alternatives à l’abattage industriel des animaux d’élevage, le chapitre montre comment des éleveurs placent leur responsabilité morale à l’égard de leurs bêtes au coeur d’un processus d’innovation, l’abattage à la ferme. Plus largement, il invite à réhabiliter les savoirs de sens commun sur la morale face à la montée de l’expertise éthique, tant dans l’évaluation des innovations que dans la transformation des rapports aux animaux dans nos sociétés.
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 | 0.009 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.025 |
| Scholarly communication | 0.016 | 0.011 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.004 | 0.006 |
| 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".