Bibliographic record
Abstract
Cet article croise le résultat de deux recherches doctorales et est le fruit d’un travail ayant pour cadre une étude plus globale sur les élites dans la ville. Deux sociologues y retracent la planification de l’extension de la ville par l’inspection de voirie au 19e siècle et la création du métro par le Service Spécial d’Etudes de la STIB au 20e siècle. Dans les coulisses des services de l’État, en décortiquant les archives internes de l’Administration (correspondances, rapports, notes et circulaires), on découvre que les fonctionnaires et plus particulièrement les corps techniques ont développé une pratique du temps permettant la réalisation pas à pas de grands projets. Le temps y est une donnée tactique et flexible, formulée et manipulée de manière à susciter le déploiement de la ville et engranger l’engagement irréversible des acteurs impliqués. La conclusion commune aux deux analyses, pourtant réalisées parallèlement, est de remettre en cause l’idée qu’il faudrait avant tout des visions et pouvoirs forts pour Bruxelles pour faire face aux grands enjeux urbanistiques. En guise d’alternative, sur base des enseignements de l’histoire des organisations, les auteurs proposent de s’intéresser d’abord aux corps techniques, à leur savoir-faire et à leur capacité d’être des médiateurs.
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 | 0.004 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.007 | 0.013 |
| Scholarly communication | 0.017 | 0.011 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.029 | 0.007 |
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".