La déprédation marine depuis le Parc naturel marin d’Iroise (Bretagne) : enseignements du volet d’enquêtes ethnographiques du programme scientifique pluridisciplinaire INPECMAM-Iroise (INteractions PÊChe MAMmifères marins)
Bibliographic record
Abstract
Cet article propose un regard rétrospectif sur le volet d’enquêtes ethnographiques du programme scientifique pluridisciplinaire INPECMAM- (INteractions PÊChe MAMmifères marins) dans le Parc naturel marin d’Iroise à la lumière du « tournant océanique » qui traverse les recherches en sciences humaines et sociales de cette dernière décennie. Une meilleure connaissance de l’état du milieu marin et des relations homme-nature y constitue pour les gestionnaires comme pour les usagers à la pêche professionnelle un objectif commun. Dans ce contexte, l’étude de la déprédation marine est apparue comme un objet à forte valeur heuristique. En effet, cette dernière ne s’impose à aucun comme une évidence ni d’emblée comme entièrement stabilisée dans ce qui est par excellence un milieu de prédation et d’aléas. L’étude de la déprédation, les qualifications et caractérisation de cette dernière par les pêcheurs professionnels, sont révélatrice des savoirs environnementaux et d’empiries et épistémè que la méthodologie même du programme IMPECMAM a permis d’appréhender de manière originale et pionnière. Cette dernière ne peut être envisagée indépendamment des cadres de gouvernance d’un espace dont la vocation principale d’améliorer la connaissance et de favoriser l’équilibre entre la protection du milieu marin et le développement durable des activités maritimes, est susceptible d’être disputée à tout moment.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.005 | 0.004 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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 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".