Bibliographic record
Abstract
La rémunération des ministres et des parlementaires est l’objet de la curiosité du grand public. Elle suscite de l’hostilité à l’égard du personnel politique. La difficulté de trouver les informations pertinentes tend à alimenter le sentiment d’opacité et donc les critiques entourant la rémunération des principales fonctions politiques. Jean Faniel a interrogé les services des différents parlements et gouvernements afin d’obtenir les données précises relatives à la rémunération de leurs membres. Tous ont accepté de collaborer à cette étude en toute transparence. L’auteur présente les données recueillies en les ramenant à des rémunérations mensuelles nettes, permettant ainsi des comparaisons directes. L’objectif du CRISP n’est pas de mettre les représentants politiques sur la sellette, ni de verser dans une certaine forme de sensationnalisme. Il est plutôt d’éclairer un aspect méconnu de l’affectation de certains moyens publics et de permettre de situer la rémunération des fonctions politiques par rapport à d’autres, par exemple dans le secteur privé. Ainsi, on constatera que si les revenus des fonctions politiques sont bien entendu nettement supérieurs au salaire minimum ou au revenu d’intégration, ils sont en revanche inférieurs à ceux des dirigeants des grandes entreprises belges, dont le revenu est dans certains cas six fois supérieur à celui du Premier ministre.
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 | 0.003 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.008 | 0.007 |
| Scholarly communication | 0.010 | 0.010 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.029 | 0.005 |
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".