Ce qui amène les citoyens à coproduire dans les services d’activation : l’importance de la motivation et de la confiance – Enquête sur les biais de sélection dans un programme d’activation municipal aux Pays-Bas
Notice bibliographique
Résumé
Les services d’activation (programmes actifs du marché du travail) axés sur le réembauchage des demandeurs d’emploi sont souvent victimes d’« écrémage », cette technique qui consiste à sélectionner ceux qui sont les mieux qualifiés pour réintégrer le marché du travail. Les nouveaux modes de prestation, comme la coproduction, sont censés être plus à l’abri des mécanismes de sélection. Afin de déterminer si les programmes d’activation coproduits sont victimes de biais de sélection, nous avons comparé les participants à un programme local d’activation innovant (n=60) aux non-participants (n=18). Les participants sont en général plus motivés et présentent des niveaux plus élevés de confiance généralisée, municipale et interpersonnelle. De plus, un niveau élevé de motivation générale correspond à un niveau élevé de confiance et de contrôle perçu. Cela veut dire qu’il existe bel et bien un biais de sélection au sein des programmes d’activation coproduits. Il n’est dès lors pas certain que la coproduction soit plus efficace que les types classiques de prestation de services pour faire face à l’écrémage. Remarques à l’intention des praticiens Les services publics, par exemple dans le domaine des politiques d’activation, sont de plus en plus offerts de telle manière à obliger les utilisateurs à faire davantage d’efforts et à prendre davantage de responsabilités. La présente étude démontre que ces exigences suscitent une sélection des utilisateurs. Les professionnels qui s’occupent de services coproduits doivent savoir que lorsqu’ils choisissent leurs clients, ils ont des chances de laisser de côté les personnes vulnérables. Plus précisément, lorsque la motivation intrinsèque est un critère de sélection important, ceux qui présentent des niveaux de confiance et de contrôle perçu insuffisants seront laissés de côté. Par conséquent, des stratégies qui peuvent paraître inclusives peuvent en réalité conduire à l’exclusion.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».