Pour une sociologie des rapports publics. Effets symboliques et configurations d’écriture des outils d’aide à la décision
Bibliographic record
Abstract
Cet article fait le point sur les recherches dédiées aux « rapports publics » menées en analyse des politiques publiques et dans les champs voisins. Il propose une définition de cet objet et suggère deux portes d’entrée complémentaires dans son analyse. Contre une vision instrumentale des rapports, nous pointons d’abord leurs effets symboliques. Nous attirons l’attention sur leur diversité. A court terme, les rapports peuvent influencer la légitimité des acteurs prenant part à leur rédaction et modifier certaines caractéristiques du processus de décision (sa rapidité, son ouverture, etc.). Dans le temps long, ils peuvent contribuer à des processus d’apprentissage et de sédimentation des discours. L’article suggère ensuite des pistes permettant d’expliquer la production des effets symboliques. Nous soulignons le rôle des « configurations d’écriture » qui subsument les institutions multiniveaux contraignant le processus de rédaction des rapports publics (propriétés sociales des rédacteurs, culture et image publique de leur organisation, etc.). Sans aller jusqu’à expliciter les liens qui unissent un effet à une configuration, nous offrons ici une grille d’analyse des facteurs explicatifs potentiels.
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 | 0.027 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.007 | 0.033 |
| Scholarly communication | 0.015 | 0.014 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.021 | 0.002 |
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".