Régionalisation et recomposition du travail statistique : esquisse d’une comparaison France-Québec
Bibliographic record
Abstract
Cette note propose différentes hypothèses destinées à comprendre la transformation du travail statistique dans un contexte de décentralisation et de régionalisation accrues de l’action publique, accompagnant paradoxalement une supranationalisation des régulations. En d’autres termes, il s’agit de saisir comment des changements d’échelle (Faure et coll., 2007) influencent le travail de production des statistiques et en retour, comment ce dernier contribue à reconfigurer l’action publique. Pour ce faire, nous proposons une analyse comparative entre la situation en France et au Québec. La démarche comparative s’impose pour comprendre les recompositions multi-niveaux des liens entre action publique et production des statistiques. À cet égard, la pertinence de la comparaison tient à la multiplicité différenciée des niveaux : soit pour la France Europe – pays – collectivités territoriales – initiatives locales et le Canada : gouvernement fédéral - provinces – régions et métropoles – initiatives locales. Cette comparaison s’effectuera en particulier en examinant les recompositions en œuvre dans un domaine d’action publique, présent dans les deux sociétés, qui est celui des articulations ou des relations entre économie et éducation
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 | 0.004 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.011 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.000 |
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".