Le corps marché. La marchandisation de la vie humaine à l’ère de la bioéconomie , Céline Lafontaine , Paris?: Les éditions Seuil, Collection La couleur des idées?; 2014. 268 p.
Bibliographic record
Abstract
Introduction : Les accidents de trafic routier constituent un véritable problème de santé publique au regard de la mortalité et de la morbidité élevées dont ils sont responsables. Objectif : Décrire la fréquence des accidents de la route dans la ville de Lubumbashi et le profil de ces accidents. Méthodes : Il s’agit d’une étude descriptive rétrospective. Elle s’étend sur une période d’un an allant du 1er janvier au 31 décembre 2008 et ayant inclus tous les véhicules ayant été enregistrés par le service de police de la circulation routière après avoir été impliqués dans un accident. Résultats : Nous avons rapporté 1 915 cas d’accidents de trafic routier. Ces derniers étaient causés dans la majorité des cas par des véhicules de transport en commun (59 %) conduits par des jeunes adultes de sexe masculin (89 %) dont l’âge moyen était de 28 ans, avec comme cause principale l’entrave au code de la route (46,0 %). Ces accidents se sont déroulés dans la majorité des cas dans la commune de Lubumbashi (52,9 % des cas) entre 6 heures et 18 heures (74 %). Conclusion : Il y a un besoin urgent en information correcte sur le code de la route des conducteurs ainsi que des usagers de la route pour réduire la mortalité ainsi que la morbidité liées aux accidents de trafic de route.
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 | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.005 | 0.008 |
| Scholarly communication | 0.010 | 0.006 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.051 | 0.007 |
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".