Système expert d’aide à l’intervenant social
Bibliographic record
Abstract
L'article présente la problématique d'intervention dans le domaine des services sociaux comme un champ d'application privilégié pour les systèmes experts. L'article décrit l'expérience de développement réalisée dans deux centres de services sociaux ayant résulté en un prototype de système expert qui assiste l'intervenant dans les tâches intellectuelles d'interprétation et de prise de décisions. Le système développé à ce jour, limité aux étapes d'évaluation et d'orientation, possède plus de 2 000 règles dans la base de connaissances. Ce contenu révèle que pour chaque phrase explicite du texte de loi très court et dense, il y a lieu de préciser plus de cent règles, ce qui soulève le problème intriguant de la marge laissée à l'interprétation dans la pratique actuelle. La sensibilité du domaine abordé à l'égard des problèmes de protection de la jeunesse, et la culture dissonante par rapport aux buts visés par le système, sont à la base d'un débat de fond impliquant des considérations techniques aussi bien qu'éthiques dans un milieu où la tradition clinique se fait par une approche « face à face » plutôt qu'informatique. Au niveau de la recherche, ce projet s'inscrit dans un programme visant à identifier les facteurs de succès et d'échec de l'implantation de systèmes experts en tenant compte des aspects technologiques et culturels.
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 | 0.006 | 0.016 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.005 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.003 | 0.001 |
| Insufficient payload (model declined to judge) | 0.024 | 0.008 |
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".