MétaCan
Menu
Back to cohort
Record W4393024929 · doi:10.7202/1108235ar

Se raconter en terrain difficile. Obstacles et enseignements d’une enquête concernant les orphelins en protection de l’enfance

2023· article· fr· W4393024929 on OpenAlexvenueno aff
Céline Jung Loriente

Bibliographic record

VenueRevue Jeunes et Société · 2023
Typearticle
Languagefr
FieldPsychology
TopicPsychoanalysis and Psychopathology Research
Canadian institutionsnot available
Fundersnot available
KeywordsHumanitiesArtPolitical science

Abstract

fetched live from OpenAlex

Cet article propose une contribution circonstanciée aux enjeux épistémologiques, méthodologiques et politiques de l’enquête sociologique impliquant des jeunes accompagnés en protection de l’enfance et orphelins. L’article présente la manière dont les présupposés qui guident les étapes préalables à la rencontre des jeunes conditionnent l’enquête et peuvent barrer l’accès à des phénomènes nouveaux. Il donne aussi à voir le statut de la parole des enfants et jeunes protégés. Les difficultés d’accès à la parole des jeunes dans le cadre d’une recherche dans des services de protection de l’enfance accompagnant en France des enfants à domicile ou dans le cadre d’un placement sont analysées à deux niveaux. D’une part, celui du cadrage éthique, en amont de la recherche. D’autre part, celui de la résistance des professionnels socioéducatifs, intermédiaires entre la chercheuse et les jeunes. Nous montrons que l’invisibilité de la problématique interrogée et la reconnaissance de sa légitimité comme objet de recherche par ces professionnels jouent ici un rôle crucial. Le contact avec les jeunes concernés et la manière dont se déroulent effectivement les entretiens mettent au jour l’écart entre des principes prévisionnels et les dilemmes éthiques qui se posent au sociologue en situation.

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 imitation

Not 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.

metaresearch head score (Codex)0.019
metaresearch head score (Gemma)0.029
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Qualitative · Consensus signal: Qualitative
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.019
Threshold uncertainty score0.101

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0190.029
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0020.001
Science and technology studies0.0190.022
Scholarly communication0.0130.012
Open science0.0020.011
Research integrity0.0050.007
Insufficient payload (model declined to judge)0.0120.002

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.

Opus teacher head0.079
GPT teacher head0.438
Teacher spread0.359 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designQualitative
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2023
Admission routes1
Has abstractyes

Explore more

Same venueRevue Jeunes et SociétéSame topicPsychoanalysis and Psychopathology ResearchFrench-language works237,207