Le recours aux technologies socionumériques chez les parents d’enfants placés : support de liens, outils de résistances
Bibliographic record
Abstract
Cadre de la recherche : L’Observatoire national de la protection de l’enfance en France indique qu’en moyenne, 284 000 enfants bénéficient chaque année en France d’une mesure de protection de l’enfance, suite à des maltraitances ou négligences du milieu familial. Près de la moitié de ces mesures se traduisent par un éloignement : l’enfant est alors accueilli dans un foyer ou au domicile d’assistants familiaux. La recherche présentée ici s’intéresse initialement aux relations entre les professionnels de la protection de l’enfance et les parents d’enfants placés en établissement. Nous avons rapidement constaté la place prépondérante des technologies socionumériques et avons tenté d’en comprendre les usages. Objectifs : L’objectif de cet article est d’apporter une contribution tant à la sociologie du numérique qu’à la sociologie des liens familiaux en montrant de quelle manière les technologies peuvent être utilisées dans une optique de renforcement des liens, dans un contexte spécifique de vulnérabilité. Méthodologie : Dans le cadre d’un doctorat de sociologie, nous avons mobilisé une approche ethnographique avec quatorze mois d’immersion dans quatre services de protection de l’enfance situés dans le nord de la France, complétés de cinquante-trois entretiens compréhensifs. Résultats : Les parents d’enfants placés mobilisent ces technologies pour maintenir le lien avec leurs enfants. C’est une occasion pour eux d’expérimenter des interactions différentes, de garder une trace des échanges, mais aussi de mettre en scène le quotidien. Ces technologies constituent également des outils de résistance : elles facilitent le contournement des règles institutionnelles, aident à maintenir le rôle des parents, et donnent à ceux-ci l’occasion de s’affirmer et de s’entraider. Conclusions : Alors que les technologies socionumériques sont encore souvent pensées comme des obstacles à la vie familiale, l’article souhaite ici enrichir les contributions montrant qu’elles peuvent à l’inverse venir la transformer voire la renforcer. Contribution : In fine, nous montrons que les technologies socionumériques se révèlent être des outils intéressants susceptibles de venir reconfigurer une expérience de vulnérabilité.
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 | 0.008 | 0.021 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.005 |
| Scholarly communication | 0.006 | 0.005 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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".