Politiques de jeunesse
Bibliographic record
Abstract
Rarement la « jeunesse » aura fait autant l’objet de discours politiques, de consultations et de rapports publics, de debats mediatiques qu’en cette derniere decennie. Pas un gouvernement qui ne mette en place un ou plusieurs « plans » pour la jeunesse ; pas une annee sans que ne soit commandite un rapport officiel sur le sort des jeunes generations… A chaque mobilisation juvenile ou a l’approche de chaque campagne electorale, le pays semble a nouveau se « pencher » sur sa jeunesse – ou plutot ses jeunesses – et sur les difficultes qu’elles traversent. Cela n’est pas sans susciter de nombreuses interrogations, publiques et mediatiques : pourquoi donc la jeunesse francaise affiche-t-elle le plus haut niveau mondial de stress a l’ecole et si peu de confiance en l’avenir ? Assisterait-on en France a l’emergence d’une generation « declassee » ? Que faire pour enrayer ce sentiment et quelles politiques publiques mettre en place pour attenuer les effets de la crise sur les jeunes generations ? Serait-on dans une societe qui maltraite sa jeunesse ? Cet ouvrage decrypte, a travers les trois mots principaux qui les structurent, les relations entre l’Etat – et plus largement les acteurs publics – et la jeunesse en France. Il revient sur les evolutions, les portees et les limites des politiques, et en eclaire les enjeux a venir.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.009 | 0.011 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.000 | 0.003 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.016 | 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".