Bibliographic record
Abstract
Résumé L’instauration dans chaque département d’une CASU a-t-elle contribué à une meilleure prise en compte de l’urgence sociale, la plupart du temps exprimée en demande de secours financiers ? Le Secours catholique donne une première impression en demi-teinte. Les délais de traitement des dossiers n’ont globalement pas été améliorés. Les petits départements ont su cependant rapidement trouver un mode d’organisation satisfaisant alors que les départements importants ont transposé la complexité de leur fonctionnement dans les CASU. Par contre, les différents acteurs sociaux, en confrontant leurs savoirs et pratiques, en sortant de leur domaine spécialisé, ont appris des choses les uns des autres. Une préoccupation demeure, conséquence de la décentralisation de 1983 : la très grande inégalité de traitement de la question sociale d’un département à l’autre, dépassant largement les clivages politiques. Les CASU n’ont pas permis de dépasser cette inégalité qui marque fortement les politiques locales en matière de lutte contre les exclusions. Une voie d’amélioration reste à trouver dans la simplification des circuits de décision et dans la responsabilisation des représentants des institutions et organismes participants aux CASU.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.004 |
| Scholarly communication | 0.008 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.041 | 0.003 |
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".