Au pied des collines montérégiennes, des robots : ethnographie de systèmes agricoles automatisés
Bibliographic record
Abstract
La production laitière au Québec se distingue des autres régions d’Amérique du Nord par son organisation autour de fermes familiales de taille relativement restreinte. Cette réalité découle d’une histoire agricole particulière, marquée par l’aménagement du territoire hérité du modèle seigneurial ainsi que par la mise en place d’une gestion de l’offre couplée à un important protectionnisme fédéral et provincial. Néanmoins, depuis la fin du XXe siècle, le secteur laitier québécois fait face au défi de la libéralisation des accords commerciaux et aux questions d’éthique environnementale et animale. Dans ce contexte, le robot de traite est présenté par ses constructeurs et les pouvoirs publics, comme un moyen de résoudre ces défis. En effet, si plusieurs études concernant cette machine indiquent que de nombreux producteurs tirent certains bénéfices en termes de résultat économique et de qualité de vie, d’autres montrent également que son implantation et ses impacts fluctuent en fonction du contexte politique et socioculturel des régions étudiées. Cette recherche vise à approfondir l’étude de cet équipement agricole en prenant en compte ses dimensions symboliques à l’échelle de la région de la Montérégie. En adoptant une approche sociographique de la technique, l’objectif est de mettre en lumière les relations sociales et les enjeux de pouvoir qui se nouent autour de l’outil. L’étude montre notamment que le robot de traite permet de valoriser un certain ethos industriel mobilisé par les producteurs en vue de la transmission familiale de la ferme ainsi que dans la lutte symbolique face aux firmes industrielles dominant le secteur laitier québécois. Le concept de capital d’enracinement est notamment proposé afin d’aborder l’expression des sentiments de fierté et de responsabilité liés aux héritages familiaux et professionnels. Il en découle des tensions entre les aspirations d’ancrage local et de mobilité des acteurs, ainsi que parmi les différentes temporalités qui se manifestent autour de l’objet, principalement entre le désir d’optimisation permanente du système de production et les obligations, morales et financières, concernant le passé et l’avenir de ces familles.
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 | 0.005 | 0.006 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 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".