Expérimentations sociotechniques et innovations transformationnelles : le cas de l'agriculture
Bibliographic record
Abstract
L'agriculture est souvent considérée comme un facteur majeur de dégradation de l'environnement en raison de ses pratiques conventionnelles. Cette étude de cas se penche sur une approche novatrice pour réformer ces pratiques : l'utilisation d'expérimentations sociotechniques, en particulier les laboratoires vivants de l'agroécosystème (ALLs). L'objectif des ALLs est d'améliorer la durabilité et la résilience du système agricole en adoptant des pratiques agro-environnementales plus respectueuses de l'écosystème. Ils se concentrent sur l'apprentissage, l'expérimentation en contexte réel, la co-création et la participation des agriculteurs et des parties prenantes. Cependant, la mise en place d'un ALL nécessite un alignement des attentes entre les différents acteurs impliqués. Il est essentiel d'établir une confiance mutuelle et de faire preuve de patience, car les changements durables dans les pratiques agricoles ne se produisent pas du jour au lendemain. De plus, des ressources financières et temporelles suffisantes doivent être allouées pour soutenir le lancement et la mise en oeuvre de ces initiatives. Les ALLs se distinguent des laboratoires vivants (LLs) traditionnels par leur structuration des réseaux d'acteurs, leurs liens étroits avec le lieu d'expérimentation et leur dynamique d'innovation. Ils favorisent également le transfert d'apprentissage et de connaissances vers d'autres initiatives en cours, afin d'amorcer un véritable changement de régime dans l'agriculture. Cette étude de cas met en évidence l'importance des ALLs en tant qu'outils prometteurs pour réformer les pratiques agricoles conventionnelles et promouvoir la durabilité environnementale. Elle propose également des pistes pour des recherches futures visant à approfondir notre compréhension des trajectoires de développement de l'agriculture durable et à orienter les initiatives dans ce domaine. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : laboratoire vivant, expérimentation sociotechnique, apprentissage, agroécosystèmes, agriculture, développement durable, innovation de rupture, innovation ouverte, gestion stratégique de niches
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 | 0.011 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.012 |
| Scholarly communication | 0.006 | 0.005 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 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".