L’approche environnementale dans la compréhension et l’accompagnement des agriculteurs et des agricultrices en difficulté
Bibliographic record
Abstract
La réflexion présentée dans cet article s’appuie sur une recherche au sujet d’une expérimentation partenariale et locale d’aide à la reconversion professionnelle d’exploitant.es agricoles en difficulté dans un département de l’Ouest de la France. À partir d’une enquête qualitative par observations et par entretiens auprès d’une diversité d’acteurs (agriculteurs et agricultrices, élu.es, cadres, intervenant.es), il s’agit dans cette recherche d’analyser les situations sociales de ces agriculteurs et agricultrices à partir d’une approche écosystémique et d’interroger les représentations et les pratiques des différents acteurs impliqués dans leur accompagnement. Les résultats montrent que les situations de vulnérabilité des exploitant.es agricoles se situent à l’intersection des influences d’un ensemble d’environnements socio-culturels et spatiaux et des trajectoires individuelles jalonnées d’évènements biographiques plus ou moins fragilisants selon les contextes. Face à ces situations, et même si les acteurs ont conscience de l’influence des environnements, les contraintes institutionnelles et les normes sociales à l’oeuvre restent centrées sur l’activation et la responsabilisation des personnes.
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 | 0.014 | 0.020 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.010 |
| Scholarly communication | 0.010 | 0.009 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.010 | 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".