Bibliographic record
Abstract
Les pratiques d’intervention destinées aux personnes en situation d’itinérance (PSI) ont longtemps été des pratiques de contrôle social. À ces pratiques asilaires se sont superposées dans les dernières années de nouvelles approches de soin (care) (Aranguiz et Fecteau, 2000 ; Astier, 2007 ; Paperman et Laugier, 2011 ; Tronto, 1993). Parmi celles-ci, les pratiques de proximité se démarquent dans la création de liens d’intervention significatif auprès des PSI (Fontaine et al., 2019). Toutefois, dans le contexte actuel de la pandémie de la COVID-19, avec la fermeture des services et les éclosions, les relations de proximité ont été mises à l’épreuve. De l’automne 2020, jusqu’au printemps 2021, de nouvelles super structures ont vu le jour afin de répondre aux besoins des PSI qui ne pouvaient plus être comblés pour diverses raisons, entre autres liées à la pandémie. Rappelant les formes de prises en charge asilaires d’un autre siècle, ces dispositifs s’éloignent de façon draconienne des pratiques d’intervention de proximité. En parallèle, les pratiques de care tendent aussi à être de moins en moins reconnues, voire remplacées. Cet article se veut une réflexion pratique et théorique sur la manière dont la pandémie a affecté les pratiques d’intervention de proximité destinées aux PSI.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.003 | 0.011 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.038 | 0.003 |
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".