Bibliographic record
Abstract
À l’heure où la flexicurité apparaît comme une façon de corriger les dérives liées aux mutations économiques et sociales, celle-ci, largement débattue sur le plan macroéconomique, commence à être envisagée sur le plan microéconomique. Or, pour l’appliquer aux petites et moyennes organisations (PMO), il semble pertinent de proposer une approche méso-organisationnelle, considérant des employeurs fonctionnant en réseau. La recherche s’intéresse, à travers une double lecture en termes de capital social et d’économie de la proximité, à un dispositif concret de flexicurité, pour comprendre et expliquer les modalités de sa mise en oeuvre. Cet article interroge plus particulièrement le caractère entrepreneurial d’une démarche de flexicurité, initiée et mise en oeuvre dans un réseau de PMO, à la fois territorial et sectoriel, pour tenter d’identifier et de caractériser le rôle joué par les développeurs de ces projets. Le secteur sportif apparaît particulièrement pertinent parce que confronté à des difficultés sociales importantes, notamment en termes de précarité de la main-d’oeuvre. Nous nous intéressons en particulier à l’Auvergne : le contrat d’objectifs du sport, récemment signé, encourage notamment la mutualisation des compétences en s’appuyant sur des exemples de groupements d’employeurs (GE). La recherche, mobilisant les outils de l’étude qualitative, s’inscrit dans le cadre d’une approche compréhensive et explicative du fonctionnement de ces GE et des acteurs qui les entourent. Chaque porteur de projet semble agir comme un véritable « entrepreneur » de la flexicurité, tout à la fois pilote et facilitateur de sa mise en oeuvre, apparaissant ainsi comme le « révélateur » d’une proximité organisée entre employeurs.
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 | 0.002 | 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 | 0.003 | 0.004 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.012 | 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".