L'aide au conditionnel. La contrepartie dans les mesures envers les personnes sans emploi en Europe et en Amérique du Nord
Bibliographic record
Abstract
L'aide au conditionnel. La contrepartie dans les mesures envers les personnes sans emploi en Europe et en Amérique du Nord, Pascale Dufour, Gérard Boismenu et Alain Noël, Montréal : Les Presses de l'Université de Montréal, 2003, 219 p. Les dépenses publiques sont, dans la majorité des pays occidentaux, sous haute surveillance. Dans la dynamique générale de réduction des dépenses que l'on observe depuis maintenant plusieurs années, l'aide sociale et les autres formes d'aide aux sans-emploi se retrouvent parmi les postes budgétaires les plus questionnés par les pouvoirs publics. Ce questionnement s'est notamment traduit par l'introduction de mesures visant à contraindre les prestataires à de nouvelles exigences, de sorte que l'aide qui leur est octroyée est de plus en plus “ conditionnelle ”. Dufour, Boismenu et Noël proposent une analyse comparée de l'évolution de ce type de mesures qui comporte 6 pays, soit le Canada (fédéral, Québec, Ontario et Alberta), les États-Unis (fédéral, Wisconsin et Californie), la France, le Royaume-Uni, l'Allemagne et le Danemark. Plus spécifiquement, les auteurs cherchent à répondre à deux questions principales : comment comprendre les transformations actuelles des systèmes de protection sociale et quels sont les éléments de convergence et de divergence entre les divers pays. L'ouvrage est découpé en sept sections, incluant l'introduction et la conclusion.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.002 | 0.004 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.014 | 0.002 |
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.
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".