Le développement d’une économie des singularités dans le champ de l’action sociale et médico-sociale en France : un nouveau champ de questionnements éthiques
Bibliographic record
Abstract
Le secteur social et médico-social en France doit faire face à des besoins sociaux qui évoluent rapidementet profondément. La transformation du secteur, orchestrée par les politiques publiques, s’organise autour dudéveloppement d’une économie de prestations, censée s’adapter au traitement de besoins de publics fragilisés, notamment par l’âge et les handicaps. Ce marché rassemble des services professionnels personnalisés, susceptibles de répondre aux particularités des personnes qui le sollicitent. Cette transformation s’accompagne de produits et services singuliers, incommensurables, dont le « consommateur » est guidé pour faire le meilleur choix possible. Cette quête est peu évidente, car elle relève d’un marché opaque et incertain quant à la qualité des prestations. Pour pallier ce défaut, le « consommateur » est obligé de recourir à des méthodes d’information lui permettant d’orienter son choix. L’économie des singularités, théorie développée par Karpik (2007), offre une lecture sociologique intéressante du développement du marché prestataire dans le secteur social et médico-social, et dispose d’outils d’analyse rendant intelligible la réalité de cette évolution.
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 | 0.013 | 0.015 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.009 | 0.014 |
| Scholarly communication | 0.019 | 0.013 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.006 | 0.005 |
| Insufficient payload (model declined to judge) | 0.014 | 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".