MétaCan
Menu
Back to cohort
Record W2768834365 · doi:10.7202/1041731ar

Les frontières mouvantes des politiques de maintien à domicile. Reconfiguration de l’action sociale de l’État en France et au Québec

2017· article· fr· W2768834365 on OpenAlexaffvenueabout
Maude Benoit

Bibliographic record

VenueLien social et Politiques · 2017
Typearticle
Languagefr
FieldHealth Professions
TopicAging, Elder Care, and Social Issues
Canadian institutionsUniversité du Québec à Montréal
Fundersnot available
KeywordsPolitical scienceHumanitiesPhilosophy

Abstract

fetched live from OpenAlex

Les personnes âgées constituent ce que l’on peut appeler une « clientèle » privilégiée de l’État : historiquement, les programmes de santé et de retraite relatifs à la vieillesse figurent en effet parmi les politiques typiques de l’État-providence. Or, depuis les années 90, les politiques de la vieillesse des pays occidentaux convergent vers le maintien à domicile comme espace de prédilection pour vieillir. Ces nouvelles politiques sociales se heurtent cependant à un contexte bien différent de celui de l’âge d’or de l’État-providence d’après-guerre. Cet article propose d’examiner comment ces politiques en pleine expansion s’adaptent (ou pas) aux nouveaux défis sociaux, démographiques et budgétaires contemporains et, de ce fait, d’éclairer ce qu’elles révèlent sur les transformations plus vastes de l’État-providence au 21 e siècle. L’analyse s’appuie sur les cas du Québec et de la France et se fonde sur une revue des écrits scientifiques, institutionnels et professionnels. Trois grandes tendances sont relevées : l’ambiguïté des objectifs poursuivis par ces politiques, les visions contradictoires quant aux rôles attendus respectivement des individus, des familles et de l’État et les transformations de l’organisation de la prestation des services pour que ces politiques « fonctionnent » malgré les ressources manquantes.

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)0.003
metaresearch head score (Gemma)0.003
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Science and technology studies, Research integrity
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Qualitative · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.277
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0030.003
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0000.000
Science and technology studies0.0070.002
Scholarly communication0.0010.002
Open science0.0010.000
Research integrity0.0020.002
Insufficient payload (model declined to judge)0.0000.000

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 head0.080
GPT teacher head0.432
Teacher spread0.352 · 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 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

Citations9
Published2017
Admission routes3
Has abstractyes

Explore more

Same venueLien social et PolitiquesSame topicAging, Elder Care, and Social IssuesFrench-language works237,207