MétaCan
Menu
Back to cohort

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

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

Bibliographic record

VenueInterventions économiques · 2014
Typearticle
Languagefr
FieldSocial Sciences
TopicSocial Sciences and Governance
Canadian institutionsnot available
Fundersnot available
KeywordsHumanitiesPolitical scienceArt

Abstract

fetched live from 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.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.004
metaresearch head score (Gemma)0.002
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.294
Threshold uncertainty score0.948

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0040.002
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.001
Bibliometrics0.0000.000
Science and technology studies0.0010.001
Scholarly communication0.0000.001
Open science0.0010.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0000.000

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.

Opus teacher head0.036
GPT teacher head0.331
Teacher spread0.295 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2014
Admission routes1
Has abstractyes

Explore more

Same venueInterventions économiquesSame topicSocial Sciences and GovernanceFrench-language works237,207