« Transforme mais fais comme avant ! » Transformation et paradoxes de l’accompagnement médico-social
Bibliographic record
Abstract
Sous pression internationale, l’administration française a amorcé officiellement une transformation historique, systémique et radicale de son offre de service médico-sociale. Mais un écart béant existe entre les intentions affichées et la réalité de cette transformation qui p è che par un évident manque de méthode, de pédagogie et de cohérence. En cause, la cacophonie entre de multiples acteurs publics, la valse des concepts, la prolifération logorrhéique de textes, rapports, normes, recommandations, etc. Cela se traduit pour les praticiens par un grand nombre d’injonctions paradoxales, l’absence perceptible d’objectifs et d’échéances clairs, la multiplication de dispositifs expérimentaux et l’impression inquiétante de naviguer à vue. Néanmoins, les mentalités ont évolué et de nombreux opérateurs et professionnels volontaristes tentent de modifier leurs pratiques d’accompagnement des personnes concernées, tant en termes de postures, de méthodes que d’organisations. Toutefois, la tâche ne leur est pas facilitée par l’absence de véritables marges de manœuvre dans le cadre corseté d’une économie totalement administrée, trait historique de l’hyper-étatisation française. Pour réussir, la transformation devra passer par une simplification, une approche par objectifs au lieu d’un formalisme administratif obsolète, un changement des modalités de financement (solvabilisation des bénéficiaires), une réingénierie organisationnelle et une libéralisation des pratiques.
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 | 0.017 | 0.025 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.007 | 0.050 |
| Scholarly communication | 0.013 | 0.017 |
| Open science | 0.001 | 0.009 |
| Research integrity | 0.003 | 0.006 |
| 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".