L’intervention sociale en milieu rural. Outils et méthodes d’observation
Bibliographic record
Abstract
Tout en complétant un état des lieux prochainement publié à Montréal par la revue Nouvelles pratiques sociales , cet article nous suggère de combiner plusieurs approches en vue d’analyser la façon dont, sur différents terrains, sont élaborées et mises en œuvre les politiques sociales locales. Il commente quelques données extraites de l’enquête asco (Action sociale des communes et intercommunalités) et montre qu’en milieu rural, les publics-cible de l’intervention sociale se situeraient principalement aux deux extrémités du parcours des âges avec, tout au long de ces dernières années, des efforts plus soutenus en direction des enfants et des jeunes. Cela étant dit, l’auteur nous suggère d’étudier des initiatives et des expérimentations locales en s’appuyant sur une triangulation des savoirs et des sources d’information. Tout en présentant ce qui vient d’être réalisé en Bourgogne, mais aussi dans deux provinces canadiennes, il souligne l’intérêt de mettre en place des démarches participatives en vue de recueillir la parole des habitants qui résident dans les espaces ruraux de faible densité et de comprendre les capacités d’adaptation dont disposent les travailleurs sociaux, les associations et les élus pour lutter contre l’isolement des populations les plus fragiles et améliorer leur qualité de vie.
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 | 0.014 | 0.020 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.006 | 0.011 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| 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".