Prévention construite en agriculture : contribution de l’ergotoxicologie à partir de trois recherches‑actions
Bibliographic record
Abstract
Cette contribution propose le développement d’une approche de « prévention construite » comme alternative aux modèles dominants de la sécurité à l’œuvre en milieu agricole. Ce travail s’appuie sur les cadres théoriques de la sécurité en psychologie et en ergonomie (sécurité industrielle, sécurité des patients et résilience), et notamment de la sécurité réglée et gérée, afin d’identifier des conditions du développement d’une prévention construite. Nous avons tenté d’éprouver ce modèle de la prévention construite à partir de l’analyse de situations d’exposition aux pesticides dans trois études de cas en agriculture. Les cas présentés portent sur les perspectives de contributions à la conception de pulvérisateurs viticoles (Albert, 2022), les ressources réelles de protection lors de réalisation de semis dans le cadre d’un projet en collaboration avec la MSA (Mutualité sociale agricole) (Fredj, 2021), ainsi que les limites posées dans l’usage de contenants de pesticides en France et au Québec (Goutille, 2022 ; Jolly, 2022). Il ressort que la prévention construite se traduit par le développement de pratiques individuelles et collectives allant dans le sens d’une préservation de la santé. Le processus s’appuie sur des méthodes participatives d’analyse puis de transformation et de conception de l’activité, qui nécessitent des actions sur des déterminants proches et éloignés de la situation de travail. L’enjeu de cette approche est de renforcer le développement de la prévention à partir d’une compréhension et construction fondée sur le travail humain. Nous proposons par la suite des items à prendre en compte pour un diagnostic et un développement de la prévention à partir de l’activité. Ce travail contribue à élaborer un modèle opérant de la sécurité.
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 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.002 | 0.011 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.005 | 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".