La notion d'égalité des chances dans la communication politique
Bibliographic record
Abstract
Résumé En nous appuyant sur la théorie des systèmes sociaux de Niklas Luhmann, nous nous efforçons de proposer une explication, en termes de théorie de la communication, du succès contemporain du concept d’égalité des chances. Selon notre thèse, ce concept aide le système à résoudre un problème spécifique en rapport avec la protection sociale. La société contemporaine, au vu de sa différenciation fonctionnelle, a fait de l’égalité l’une de ses valeurs sociales principales : cela donne une forte légitimité a priori aux revendications de prestations sociales émanant d’individus ou de groupes sociaux qui ont réussi à se définir comme défavorisés. Suivant la théorie des systèmes, nous envisageons de telles revendications comme une forme spécifique de communication, ce qui implique que le système politique doit les gérer sur le plan communicationnel, c’est-à-dire en les acceptant ou en les rejetant dans des communications ultérieures. Selon nous, le concept d’égalité des chances répond à cette fonction en permettant au système politique de limiter fortement ces revendications et de les contrôler. Plus particulièrement, la notion d’égalité des chances délégitime les revendications qui se fondent sur l’hypothèse d’une protection sociale qui serait une forme de compensation plutôt qu’un moyen de réaliser des objectifs socialement validés (emploi, statut, éducation…).
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 | 0.006 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.003 | 0.022 |
| Scholarly communication | 0.010 | 0.013 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.004 |
| 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".