Tout salaire mérite une peine. La contrepartie au principe du traitement administratif et politique de la pauvreté : l’exemple d’un département
Bibliographic record
Abstract
Le RMI met en relation des acteurs multiples qui interprètent sur des scènes diverses des rôles antagonistes. Le fil rouge de cette dramaturgie sociale est la question du travail. En contrepartie du Revenu minimum, les allocataires doivent jouer la comédie du travail. Leur sincérité est mise à l'épreuve par des professionnels, des responsables administratifs et des élus, qui jouent eux-mêmes d'autres comédies : celle du travail social, de la politique sociale, et de la politique locale. Les contradictions entre les intérêts et les convictions des différents acteurs aboutissent à des situations absurdes dont les allocataires sont les principales victimes. L'article décrit ces scènes et caractérise ces rôles en adoptant le point de vue des allocataires. Il permet de comprendre les différentes interprétations de la comédie du travail par les allocataires et la distance qui existe entre leurs soucis et les soucis des autres acteurs. Au final, la question du travail apparaît comme une contrainte pesant sur tous les acteurs, un obstacle insurmontable empêchant la communication, l'interconnaissance et la compréhension mutuelle.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.009 | 0.021 |
| Scholarly communication | 0.014 | 0.009 |
| Open science | 0.002 | 0.009 |
| Research integrity | 0.005 | 0.008 |
| Insufficient payload (model declined to judge) | 0.025 | 0.008 |
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".