MétaCan
Menu
Back to cohort
Record W2142527782 · doi:10.7202/044049ar

Travailler pour survivre : exploration du travail des jeunes de la rue

2010· article· fr· W2142527782 on OpenAlexaffvenueabout
Jeff Karabanow, Jean Hughes, Sean A. Kidd

Bibliographic record

VenueCriminologie · 2010
Typearticle
Languagefr
FieldHealth Professions
TopicHomelessness and Social Issues
Canadian institutionsDalhousie University
Fundersnot available
KeywordsHumanitiesPolitical scienceSociologyPhilosophy

Abstract

fetched live from OpenAlex

Le présent article explore les diverses formes que prennent l’emploi et les « petits boulots » dans la vie des jeunes de la rue. L’étude a été faite à Halifax, au Canada, et porte sur un matériel tiré d’entretiens menés auprès de 34 jeunes. Les résultats de l’enquête suggèrent que l’économie du travail à laquelle doivent faire face les jeunes de la rue revêt un aspect autant formel qu’informel. Ils montrent aussi que ces jeunes sont motivés mais vivent aussi des enjeux tant personnels qu’environnementaux. La plupart des jeunes interrogés réalisent des activités informelles rémunératrices parmi lesquelles figurent entre autres la mendicité, la pratique du squeegee (du nom anglais de la raclette servant à nettoyer les pare-brise), et l’art ambulant, la vente de créations artistiques, la composition et la déclamation de poèmes, la diffusion de blagues et autres activités créatrices. La diversité de ces activités témoigne de l’esprit d’entreprise et de la capacité de résilience de cette jeunesse itinérante. Pour survivre, les jeunes sans-abri sont en effet prêts à entreprendre un grand nombre de tâches souvent peu valorisées dans notre société. À vrai dire, il leur est surtout difficile d’accéder à un travail socialement reconnu. Pourtant, la société, en s’inscrivant dans une logique de criminalisation de certains types de pauvreté, réprime le plus souvent les activités informelles qu’adoptent les jeunes comme stratégies de survie.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.002
metaresearch head score (Gemma)0.002
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Research integrity, Insufficient payload (model declined to judge)
Consensus categoriesInsufficient payload (model declined to judge)
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Qualitative · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.635
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0020.002
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0000.000
Science and technology studies0.0010.001
Scholarly communication0.0000.000
Open science0.0000.000
Research integrity0.0020.002
Insufficient payload (model declined to judge)0.0030.002

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.

Opus teacher head0.312
GPT teacher head0.445
Teacher spread0.133 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; both teacher heads agree on what is shown here.

Study designQualitative
Domainnot available
GenreEmpirical

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".

Quick stats

Citations7
Published2010
Admission routes3
Has abstractyes

Explore more

Same venueCriminologieSame topicHomelessness and Social IssuesFrench-language works237,207