Émotions et intervention sociale : naviguer entre valeurs, éthique et techno-bureaucratie
Bibliographic record
Abstract
En travail social, les émotions ont une place dans la profession : elles sont encadrées pour limiter leurs manifestations dans la relation entre le professionnel et le bénéficiaire. Or, les émotions ont tendance à disparaître dans la manifestation scientifique (recherche) ou politique (analyse des politiques sociales) de cette discipline. Avec la rationalité gestionnaire et les nouvelles pratiques de management (Bellot, Bresson et Jetté, 2013), les émotions n’ont de toute façon que très peu de place dans les prises de décisions qui se veulent objectives, neutres et égalitaires envers toutes les personnes bénéficiaires. Notre article soulève diverses questions : comment la capacité d’agir des intervenants sociaux est-elle influencée par la difficulté de la prise en compte des émotions? Sommes-nous face à un possible changement de paradigme où la techno-bureaucratie, comme champ d’application des décisions politiques, est arrivée à l’une de ses limites dans le champ de l’intervention sociale? À partir d’exemples de pratiques de trois enquêtes menées par les autrices où la question des émotions s’est avérée centrale dans les interventions, mais n’a pu être prise en compte, nous verrons comment les émotions dans les interventions sociales se butent aux normes professionnelles et managériales.
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 | 0.019 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.005 | 0.021 |
| Scholarly communication | 0.013 | 0.006 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.003 | 0.005 |
| 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".