Vers une bonification de la réparation professionnelle et de l’autoréparation : l’expérience de deux personas propriétaires d’un réfrigérateur et d’un téléphone intelligent
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
La réparation des appareils électroménagers et électroniques (AEE) a fait l’objet de nombreuses études démontrant ses bénéfices environnementaux et financiers (ADEME, 2020 ; Proctor, 2023). Dans ce contexte, des mesures législatives, comme l’indice de réparabilité en France, et des initiatives citoyennes (comme les sites Web pour l’autoréparation) ont vu le jour pour encourager cette pratique. Malgré le fait qu’il s’agit d’une stratégie incontournable de l’économie circulaire, la réparation demeure peu utilisée (ADEME et Harris Interactive, 2020 ; Côté et Denoncourt, 2022). Afin de bonifier l’expérience de réparation, l’objectif de cet article est de documenter le processus de réparation professionnelle et d’autoréparation vécu par les propriétaires d’AEE défectueux. Dans cette perspective, deux personas, respectivement propriétaires d’un réfrigérateur et d’un téléphone intelligent, ont été conçus avec les résultats d’un sondage canadien réalisé en 2021 pour cerner les freins et leviers à la réparation. Cette étude met en lumière l’importance de rendre la réparation aussi accessible et facile que l’achat. Alors que les résultats révèlent des obstacles aux quatre étapes du processus de réparation, la perception d’irréparabilité des appareils par leurs propriétaires conduit à l’achat d’un nouveau bien plutôt qu’au diagnostic de l’AEE brisé. Pour favoriser la réparation, des mesures à destination de l’industrie et des autorités politiques sont proposées, comme l’offre d’un service de réparation et d’autoréparation sur les lieux d’achat, le prêt d’un appareil pendant la réparation et l’adoption d’un droit à la réparation.
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.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.018 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.003 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 it