Bibliographic record
Abstract
La pandémie de COVID-19 témoigne à vif comment, dans nos sociétés modernes, les liens sociaux ont été fragilisés en mettant à nu la vulnérabilité de tous, de chacun et chacune. Nous avons aussi découvert collectivement comment, le care, entendu dans l’un de ses sens, celui di prendre soin, était au cœur de tous nos liens sociaux et qu’il tissait la trame de notre société. Tout à coup, certains travailleurs essentiels, qui étaient souvent des travailleuses essentielles, sont devenues visibles et, parfois, reconnues. De nombreuses personnes, en revanche, se sont retrouvées dans des situations d’extrême vulnérabilité. Certaines institutions essentielles se sont avérées fragiles ou dysfonctionnelles. Pour faire face à ces ébranlements sociaux profonds, les gouvernements occidentaux se sont souvent tournés vers un techno-solutionnisme numérique et ils ont fait usage d’une rhétorique guerrière se voulant mobilisatrice. Cet ouvrage collectif explore les facettes de ces vulnérabilités individuelle, collective et institutionnelle qui se sont manifestées pendant la pandémie de COVID-19. Il met en évidence comment le care, qui ne se limite pas à sa dimension de prendre soin, est à la fois ce qui nous a permis de tenir ensemble, mais aussi ce à quoi nous tenons. Les textes réunis ici interrogent donc à partir de la théorie du care, différents enjeux cruciaux de la pandémie, en particulier, la crise de la responsabilité et de la démocratie, l’invisibilité du travail des femmes et des immigrants et immigrantes, la gestion des risques et les solutions numériques, la collecte des données personnelles à des fins de santé publique, le prendre soin face à la mort, la résilience collective. Ont collaboré à cet ouvrage : Margo Bernelin, Alexandre Gefen, Anne Gonon, Sandra Laugier, Pascale Molinier, Vanessa Nurock, Marie-Hélène Parizeau.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.011 | 0.015 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.011 | 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".