Faire équipe avec des plantes ? Quatre performances participatives et leurs au-delà
Bibliographic record
Abstract
« Nous ne sommes pas seuls », et les humains se doivent de découvrir leurs alliances avec les plantes, suggèrent Lena Balaud et Antoine Chopot. Dans les quatre performances étudiées, les spectateurs découvrent des plantes in situ et interagissent avec elles. Mais dans quelle mesure ces formes participatives peuvent-elles s’appuyer sur la participation des spectateurs pour éveiller des imaginaires d’alliances anthropo-végétales, en commençant à les développer durant la performance ? Hypothèse et analyse prennent appui sur quatre dispositifs très dissemblables, deux parcours audioguidés sollicitant les interactions sensibles et poétiques des participants avec des plantes, un troisième qui fictionnalise radicalement les végétaux rencontrés, et un quatrième qui invite les spectateurs à devenir des parlementaires des organismes. Les dispositifs suggèrent des modalités du faire équipe avec les plantes également très variables : d’une sculpture sensible de l’environnement à la guérilla, en passant par l’aménagement de nos villes et même l’instauration d’une démocratie. Mais les vecteurs des alliances sont toujours pluriels, en appelant à la sensibilité, à la transmission d’informations et à l’action, si bien qu’ils semblent se compléter et donner lieu à des expériences marquantes. Ils favorisent divers modes de mises en relation, ainsi que les passages de la cognition ou de l’action aux savoirs incarnés.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.006 |
| Scholarly communication | 0.005 | 0.005 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.016 | 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".