Discours austéritaires. Histoire, diffusion et enjeux démocratiques
Bibliographic record
Abstract
Après la crise de 2007-2008, les politiques d’austérité s’accentuent en Europe et à travers le monde, en dépit de leurs conséquences négatives sur les populations et des nombreux mouvements sociaux qui les contestent dès 2010.Ce dossier s’intéresse aux discours austéritaires tels qu’ils sont produits, diffusés, reconfigurés par des institutions comme l’Union européenne, la Banque centrale européenne, le Fonds monétaire international ou par des dirigeants politiques et des médias. Élaborés au cours de plusieurs décennies, ces discours n’y sont pas considérés comme un simple accompagnement des politiques d’austérité, mais comme l’une de ses composantes principales. Ils sont un discours normatif, et souvent moral, qui contribue à l’hégémonie contemporaine du néolibéralisme. Pluridisciplinaire, le dossier associe sciences politiques, sciences sociales, sciences économiques et sciences du langage. Il est rédigé par neuf chercheuses et chercheurs de Belgique (A. Borriello, C. Gobin), du Canada (M. Dufour, A. Laurin-Lamothe, R. Peñafiel) et de France (T. Guilbert, F. Lebaron, S. Longuet, J. Marques Pereira).Ensemble, les auteures et auteurs jettent un regard inédit sur des discours qui, omniprésents dans notre vie quotidienne, reconfigurent nos perceptions politiques.Deux varia complètent le numéro (M. Debono, S. Määttä & M. Wiklund).
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 | 0.003 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.006 | 0.011 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.008 | 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".