Tiers secteur et reconfiguration des politiques sociales : introduction au dossier
Bibliographic record
Abstract
Cet article introductif au dossier sur le tiers secteur vise à identifier quelques points de repère qui contribuent à définir la problématique du dossier et à lui conférer sa cohérence. En introduction, l'auteur attire l'attention sur le fait que la littérature et la recherche sur le tiers secteur renvoient à une tradition multidisciplinaire et internationale de plus d'une vingtaine d'années. Par la suite, l'auteur s'emploie successivement à mettre en relief l'objectif du dossier qui consiste à désenclaver le concept et la réalité du tiers secteur; à cerner les enjeux liés à la définition du concept; à faire ressortir les avantages à développer une approche intégrée des concepts de tiers secteur et de politique sociale et, enfin, à présenter la contribution de chacun des sept autres articles du dossier. En conclusion, l'auteur rappelle que la réflexion et l'action sur le tiers secteur et la reconfiguration des politiques sociales, en contexte de crise et de transformation de l'État-providence, pourront se renouveler dans le mesure où il sera possible de pousser davantage les comparaisons entre ce qui se passe au Québec et ce qui se passe dans d'autres sociétés et pays.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.003 | 0.014 |
| Scholarly communication | 0.006 | 0.007 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.011 | 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".