MétaCan
Menu
Retour à la cohorte
Enregistrement W1509269454 · doi:10.4000/interventionseconomiques.2195

La gouvernance de l’exclusion en France : analyse de trois modèles de gestion associative

2014· article· fr· W1509269454 sur OpenAlexvenueno aff
Olivier Gajac

Notice bibliographique

RevueInterventions économiques · 2014
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueSocial Sciences and Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceArt

Résumé

récupéré en direct d'OpenAlex

Cette recherche s’intéresse à la gouvernance de l’exclusion en France et plus particulièrement à trois modèles de gestion associative investis de prérogatives institutionnelles depuis 40 ans pour faire face à l’exclusion. Ces trois modèles (les associations d’action sociale et médico-sociale, les associations de l’IAE et les associations d’influence sociale) ont en commun la particularitéd’émaner après la Seconde Guerre mondiale d’initiatives privées et de se développer jusqu’aux années 1970 en dehors des programmes nationaux, et d’être reconnus aujourd’hui d’utilité publique. Cette étude prend en compte une période de dix ans, de la mise en place de la loi de lutte contre les exclusions jusqu’à la promulgation du RSA en 2009. Les enseignements de cette recherche nous montrent que ces trois modèles ont conçu des modes d’intervention spécifiques dans leur rapport aux pouvoirs publics et au regard de leur mode de financement lié à la redistribution de l’État, au marché et/ou au don, ainsi que face aux situations de vulnérabilité des exclus. Si ces modèles de gestion octroient à chacun des atouts indéniables sur un plan organisationnel, ils se trouvent confrontés à des contraintes institutionnelles moins enclines à la reconnaissance de certaines demandes sociales. Par conséquent, ces modèles de gestion trouvent une efficience dans la lutte contre l’exclusion à travers seulement une mise à l’abri, une logique de retour à l’emploi des personnes, ainsi qu’une prise en charge de personnes délaissées par les dispositifs publics.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,294
Score d'incertitude au seuil0,948

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,036
Tête enseignante GPT0,331
Écart entre enseignants0,295 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInterventions économiquesMême sujetSocial Sciences and GovernanceTravaux en français237 207