Apprentissage social et changement institutionnel : la politique de « l’investissement dans l’enfance » au Canada et en Grande-Bretagne*
Bibliographic record
Abstract
De plus en plus, les décideurs politiques reconnaissent l’importance des « premières années de la vie » comme un espace d’intervention méritant davantage d’attention et dans lequel l’État devrait faire des « investissements sociaux » plus importants afin de renforcer le capital humain des futurs travailleurs. Comment la thèse de l’austérité permanente mettant l’accent sur les processus de « dépendance au sentier » dans la réforme de l’État-providence peut-elle nous aider à comprendre l’émergence récente de ce que certains ont appelé le « paradigme de l’investissement dans l’enfance »? Pour répondre à cette question, le texte utilise l’approche cognitive des politiques publiques pour étudier comment le savoir produit par des groupes sociaux et réseaux d’experts ont alimenté les récentes réformes de l’État-providence au Canada et en Grande-Bretagne. Si le retrait de l’État-providence a surtout été le fait d’une politique de résistance menée par des intérêts disposant de ressources institutionnelles conférées par des programmes sociaux du passé, cet article montre que les réformes actuellement entreprises au nom de « l’investissement dans l’enfance » sont aussi façonnées par les idées et les processus d’apprentissage social.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.018 | 0.024 |
| Scholarly communication | 0.011 | 0.003 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.007 | 0.000 |
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".