Gouverner un territoire d’étangs en déprise par le lancement d’une filière locale de pisciculture extensive : cas d’étude en Isère (France)
Bibliographic record
Abstract
Cet article analyse un projet de relance de la pisciculture extensive dans le Nord-Isère en France. En rendant compte de l’opinion des acteurs impliqués par ce projet et de l’état de la controverse par rapport aux enjeux de savoir, nous souhaitons comprendre comment un projet de pisciculture questionne le devenir de ce territoire de l’eau comprenant des centaines d’étangs et, plus généralement, les politiques environnementales. Pour ce faire, nous avons conduit une étude qualitative basée sur une analyse de discours des différents acteurs de ce territoire rencontrés par entretiens réalisés entre 2022 et 2023 sur ce territoire d’étangs. En raison des logiques sectorielles propres à chaque type d’acteurs et de l’absence de référence scientifique commune, ce projet de pisciculture fait face à des oppositions de principe et génère une controverse sur le plan du savoir. Puisque les acteurs se positionnent sans parler des mêmes enjeux, composantes et paramètres des paysages d’étangs, tout dialogue productif permettant de clarifier leurs positions et leur référentiel de savoir est rendu impossible. Nous proposons une base de discussion collective pour penser ce projet de pisciculture en tant que projet de territoire afin de composer avec des enjeux environnementaux, patrimoniaux et alimentaires capables d’appréhender sa faisabilité économique, agronomique et son éventuelle acceptabilité.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.011 | 0.006 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".