L’identification et l’impact de différents types de réseaux sociaux dans les trajectoires de vie de personnes assistées sociales
Bibliographic record
Abstract
Ce mémoire traite du rôle des réseaux sociaux dans les trajectoires de vie des personnes qui vivent de l’aide sociale au Québec. La discrimination et la stigmatisation sont des processus émanant de rapports sociaux dans lesquels peuvent être inscrites ces personnes du fait de leurs conditions de vie précaires. L’analyse des réseaux sociaux pourrait nous permettre de découvrir certaines dynamiques, propres à ces rapports sociaux, en portant sur leur caractère qualitatif et temporel. Nous avons eu recours aux récits de vie afin d’identifier certains réseaux sociaux émergeant du discours et d’élaborer un modèle d’analyse qualitative des réseaux sociaux dans une perspective de trajectoire de vie. Cette étape a permis de percevoir l’existence d’un lien entre certains événements importants du récit et les transformations des relations. Nous avons également relevé dans le discours des indicateurs de la qualité des contacts selon leur contribution « positive », « négative » ou « neutre » dans la trajectoire. La comparaison des trajectoires des personnes sélectionnées a permis d’identifier des morphologies de réseaux similaires et de dresser une typologie. Les types ont pu être identifiés en fonction des trois catégories dominantes de contacts évoquées par les répondants : la famille, les connaissances, et les organismes. La mention de l’aide sociale, de contacts en psychiatrie ou même le passage sous silence par le répondant d’une de ces catégories a permis de nuancer la typologie et de recenser onze types de réseaux. Afin d’évaluer l’intérêt de ce modèle d’analyse, nous avons tenté une opérationnalisation exploratoire de la typologie.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.017 | 0.001 |
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".