MétaCan
Menu
Back to cohort
Record W2991530677 · doi:10.3917/rfas.190.0023

L’aide et l’action sociales des collectivités locales

2019· article· fr· W2991530677 on OpenAlexaff
Isabelle Leroux

Bibliographic record

VenueRevue française des affaires sociales · 2019
Typearticle
Languagefr
FieldSocial Sciences
TopicSocial Sciences and Governance
Canadian institutionsMusée de la Civilisation
Fundersnot available
KeywordsHumanitiesPolitical sciencePhilosophy

Abstract

fetched live from OpenAlex

L’aide et l’action sociales des collectivités locales en France reposent en premier lieu sur l’aide sociale départementale, qui représente la moitié des dépenses d’aide et d’action sociales nationales et 64 % des dépenses de fonctionnement des départements en 2017. Celle-ci comprend 4,2 millions de prestations ou mesures d’aide sociale à destination des personnes âgées, des personnes handicapées, des enfants ou jeunes majeurs en danger ou en risque de l’être, et pour l’insertion. Les départements ont, à ce titre, dépensé 37 milliards d’euros (nets des recouvrements ou remboursements). La répartition géographique des bénéficiaires et des dépenses d’aide sociale par habitant est hétérogène et diffère selon le secteur d’aide considéré. En matière de dépenses par bénéficiaire, celles liées au revenu de solidarité active (RSA) et celles liées aux personnes âgées sont moins variables d’un département à l’autre que celles liées à l’aide sociale aux personnes handicapées ou à l’aide sociale à l’enfance (ASE). Outre certaines actions sociales obligatoires, les communes et leurs établissements publics de coopération intercommunale (EPCI) mettent en œuvre des actions sociales dans divers secteurs. En 2014, plus de huit communes françaises sur dix, représentant 98 % de la population française et plus de 80 % des intercommunalités développaient au moins une forme d’action sociale. Les communes interviennent principalement dans les domaines de l’aide aux personnes âgées, de la lutte contre la pauvreté et les exclusions, de la jeunesse et la famille, de l’hébergement et du logement ou encore de la petite enfance et de l’aide aux personnes handicapées.

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 imitation

Not 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.

metaresearch head score (Codex)0.002
metaresearch head score (Gemma)0.003
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.279
Threshold uncertainty score0.555

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0020.003
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0010.002
Science and technology studies0.0030.002
Scholarly communication0.0020.001
Open science0.0010.003
Research integrity0.0000.001
Insufficient payload (model declined to judge)0.0130.001

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.

Opus teacher head0.215
GPT teacher head0.350
Teacher spread0.135 · 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 source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designNot applicable
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

Citations4
Published2019
Admission routes1
Has abstractyes

Explore more

Same venueRevue française des affaires socialesSame topicSocial Sciences and GovernanceFrench-language works237,207