L’usage du couvre-feu dans la lutte contre la COVID-19 : peut-on parler de cohérence ?
Notice bibliographique
Résumé
Depuis mars 2020, le gouvernement du Québec a mis en œuvre une série de mesures pour lutter contre le virus SARS-CoV-2 causant la COVID-19. Parmi ces mesures, il a imposé un couvre-feu à deux reprises — du 7 janvier au 28 mai 2021, puis du 31 décembre 2021 au 17 janvier 2022. Le présent article propose une réflexion qui vise à déterminer si l’usage du couvre-feu comme mesure de lutte contre la COVID-19 était cohérent. Pour ce faire, nous proposons d’abord de retenir six critères permettant de déterminer la cohérence d’une mesure, à savoir : les mesures font partie d’un ensemble d’éléments qui s’accordent bien les uns aux autres ; elles reposent sur un sens inféré commun ; elles sont plus ou moins cohérentes les unes avec les autres ; elles montrent un enchainement logique entre elles ; elles sont en continuité ; elles font partie d’ensembles d’éléments. Nous recensons ensuite toutes les mesures mises en œuvre par le gouvernement dans sa lutte contre la COVID-19 et les répartissons en différents ensembles, puis – en nous fondant sur les six critères mentionnés – nous évaluons la cohérence de l’usage du couvre-feu. Au terme de l’analyse, nous déterminons que l’usage du couvre-feu était cohérent, bien que certaines incohérences doivent être soulignées et nous cherchons à vérifier quels effets la cohérence relative de cette mesure a eus au sein de la société québécoise.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,000 |
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.
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 tête enseignante, 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 ».