Sur la « nature » du tirage au sort en politique : dialogue entre hasard et élection
Bibliographic record
Abstract
Le débat contemporain entourant l’utilisation du sort en politique tend parfois à oublier que celui-ci s’inscrit dans un contexte institutionnel précis. En effet, la discussion tente généralement de révéler une nature immanente au tirage au sort. Parmi les auteurs ayant abordé cette question, deux pôles peuvent être dégagés : ceux qui mettent l’accent sur le caractère neutralisateur du hasard en politique et ceux qui insistent sur sa dimension égalitaire. Or, de telles positions obscurcissent le fait que c’est en fonction de certains arrangements institutionnels spécifiques que les potentiels neutralisateurs ou égalitaires du tirage au sort sont mis de l’avant. Adoptant à la fois une perspective philosophique, historique et sociologique, cet article analyse le tirage au sort en politique selon l’angle de son essence et de ses effets. Un survol de différentes expériences historiques aide à illustrer le fait que le potentiel du tirage au sort en politique dépend principalement de la pratique politique dans laquelle il s’inscrit. Par la suite, une comparaison de l’élection et du tirage permet de démontrer le caractère problématique de l’idée d’une essence de ces processus et de démontrer l’importance d’une réflexion en termes de potentialité et non de nature.
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 | 0.005 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.012 | 0.020 |
| Scholarly communication | 0.008 | 0.006 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.007 | 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".