CHAPITRE 4 La coconstruction de l’offre active de services en français au sein du secteur de la justice en Ontario
Bibliographic record
Abstract
E n 2006, le secteur de la justice en Ontario s'est doté d'un premier plan stratégique pour le développement de l'offre active de services en français (SEF).Le présent chapitre porte sur la représentation de l'offre active qui guide ce plan stratégique.Il présente les données d'une recherche documentaire et de 12 entretiens réalisés en 2012 avec des acteurs communautaires et gouvernementaux participant à la gestion du plan.Le chapitre montre que le principe de l'offre active de SEF dans le secteur de la justice n'est pas un principe neutre.Cette offre active fait l'objet d'une coconstruction par les acteurs communautaires et gouvernementaux, c'est-à-dire qu'elle est soumise à un dialogue constant sur ses enjeux, compris à la fois comme des enjeux de gestion, de justice et de développement.Enfin, le chapitre tente de tirer des leçons de la situation de l'offre active de SEF au sein du secteur de la justice qui peuvent être pertinentes pour d'autres domaines de politiques publiques, dont ceux de la santé et des services sociaux.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.005 |
| Science and technology studies | 0.012 | 0.010 |
| Scholarly communication | 0.009 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 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".