Technologies numériques et inégalités sociales de santé : un non-sujet à l’agenda politique mais une action publique émergente sur l’inclusion numérique
Bibliographic record
Abstract
Les interrelations entre deux marqueurs des systèmes de santé occidentaux, la numérisation de la santé et la persistance des inégalités sociales de santé (ISS), sont étudiées pour en déterminer le degré d’intérêt exprimé par les pouvoirs publics (donc de mise à l’agenda des priorités politiques) et de mise en œuvre de politiques à leur égard. Cette sociologie comparée de l’action publique entre infra-territoires de quatre pays (France, Canada, Espagne et Angleterre) repose sur une étude documentaire et sur des entretiens auprès d’acteurs clés de ces champs. Le sujet des effets inattendus du numérique n’est pas prépondérant dans les politiques liées à ce nouveau mode d’organisation sociotechnique, notamment celui des liens avec les inégalités sociales de santé qu’il peut contribuer à alimenter. Aussi le couplage ISS-santé numérique n’est-il pas sélectionné comme un « problème public » et ne fait-il pas l’objet d’une politique publique clairement définie et priorisée. Toutefois, un appareil d’instruments d’action publique est parfois mobilisé et mobilisable pour promouvoir l’équité en santé numérique dans les quatre pays. Son cadre conceptuel de mise en œuvre est également analysé.
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 | 0.016 | 0.025 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.005 |
| Science and technology studies | 0.005 | 0.028 |
| Scholarly communication | 0.018 | 0.018 |
| Open science | 0.002 | 0.009 |
| Research integrity | 0.004 | 0.006 |
| Insufficient payload (model declined to judge) | 0.013 | 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".