Contre-mobilité et effets différents : une réflexion sur la transmission des biens inclusifs et des biens exclusifs
Bibliographic record
Abstract
II y a deux façons d'appréhender l'influence que les variables d'origine familiale exercent sur le déroulement de la carrière des individus: d'une part les études de contre-mobilité - où les trajectoires de carrière sont classifies selon qu'il y a ultimement retour au statut d'origine ou non - et d'autre part, les analyses causales du processus d'acquisition de statut qui permettent d'identifier les effets différés des variables d'origine. Les auteurs, après avoir montré que ces deux procédures reflètent une même réalité, tentent d'expliquer pourquoi certaines variables d'origine, tel le statut professionnel du père, ont une influence plus importante au milieu de la carrière alors que d'autres, telle l'éducation, ont un effet direct qui décroît avec le: temps. À ces fins ils introduisent une distinction entre biens inclusifs et biens exclusifs; chacun de ces types de biens, à cause de sa nature et des canaux de transmission entre générations qui lui est propre présente un profil caractéristique d'influence dans le temps.
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 | 0.008 | 0.030 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.002 | 0.007 |
| Scholarly communication | 0.004 | 0.006 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.019 | 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".