MétaCan
Menu
Back to cohort
Record W2760173095 · doi:10.7202/1034660ar

« Corporate Welfare » : l’industrie des services sociaux et la réforme du « Welfare State » aux États-Unis

2016· article· fr· W2760173095 on OpenAlexvenueno aff
David Stoesz, Lorne Huston

Bibliographic record

VenueInternational Review of Community Development · 2016
Typearticle
Languagefr
FieldSocial Sciences
TopicSocial Sciences and Governance
Canadian institutionsnot available
Fundersnot available
KeywordsPolitical scienceCentralisationHumanitiesArtLaw

Abstract

fetched live from OpenAlex

L’auteur analyse les transformations en cours dans le vaste système des services sociaux aux États-Unis. Réduction des dépenses, décentralisation des programmes constituent le principe de base de la philosophie conservatrice. Mais depuis peu, un nouveau thème est apparu, celui d’un rôle accru des initiatives privées dans le secteur des services sociaux. L’article analyse l’influence du secteur privé dans trois domaines : la sécurité du revenu, en particulier les pensions de vieillesse, les soins de santé et les nouveaux centres d’accueil destinés aux personnes âgées qui ont des ressources financières suffisantes, les politiques dites de « zones d’entreprises » qui consistent à favoriser l’implantation d’industries dans les zones les plus défavorisées, tant urbaines que rurales, en suspendant les réglementations de protection des conditions de travail, du salaire minimum, etc., afin de rendre ces zones plus attrayantes pour les investisseurs. Ainsi est en train de se mettre sur pied une véritable industrie privée des services sociaux qui tend à introduire dans la logique du marché de vastes secteurs jusque-là pris en charge par les programmes gouvernementaux. Que vont devenir, dans un tel rapport de forces, les populations les plus pauvres, puisque le gouvernement n’aura plus les moyens financiers d’assurer une réponse adéquate à leurs besoins ? Le « Corporate Welfare » est en train de remplacer le « Welfare State ».

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)0.004
metaresearch head score (Gemma)0.001
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesScience and technology studies, Insufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Other design · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.798
Threshold uncertainty score0.999

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0040.001
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.001
Science and technology studies0.0020.002
Scholarly communication0.0000.001
Open science0.0020.001
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0020.000

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 head0.086
GPT teacher head0.364
Teacher spread0.278 · 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; a candidate call from one teacher head, not a consensus.

Study designOther design
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

Citations0
Published2016
Admission routes1
Has abstractyes

Explore more

Same venueInternational Review of Community DevelopmentSame topicSocial Sciences and GovernanceFrench-language works237,207