Les pratiques sociales au carrefour de la sécurité
Bibliographic record
Abstract
Les problèmes liés à la sécurité sont devenus des enjeux importants dans différentes régions des pays occidentaux. C'est une problématique complexe liée aux questions de santé, d'environnement, d'urbanisme, d'éducation. Elle est le résultat d'inégalités croissantes dans l'accès aux ressources. Elle met en jeu des conflits d'intérêts, notamment dans le partage et l'usage de l'espace urbain et du temps de vie dans la ville. Pour réduire la délinquance, la violence et améliorer la sécurité, la réponse la plus souvent utilisée par les états a été généralement limitée à l'action des services de contrôle, de police, de la justice, de l'incarcération. Cependant, il est établi que les efforts de prévention de la criminalité ont très souvent été couronnés de succès.Les interventions qui mettent en avant le développement social en particulier en prévention de la délinquance, font souvent apparaître des réductions tangibles et parfois spectaculaires de la criminalité pour parallèlement améliorer le sentiment d'insécurité. Reconnaissant l'importance d'un équilibre entre le contrôle, la sanction et la prévention, qualifié par les criminologues d'équilibre entre les systèmes formels et informels, on assiste depuis vingt ans au développement des approches préventives qui font appelles aux pratiques sociales. Mais, quelles places occupent ces pratiques, parfois ces nouveaux métiers en prévention de la criminalité ? Quels sont ces dispositifs qui permettent de conjuguer les modèles de contrôle, une présence dissuasive et une intervention sociale de proximité? Nous avons choisi, pour cette recherche de réaliser trois études de cas dans trois villes de trois pays différents, la France, la Belgique et le Québec (province du Canada). Nous nous sommes intéressés aux représentations de la sécurité, aux approches, aux dispositifs qui soutiennent cet exercice des pratiques sociales en prévention de la criminalité. La notion de proximité, la participation citoyenne et la coopération sont parmi les éléments clés qui ont traversé cette recherche. À l'issue de cette étude, nous pensons qu'une réappropriation des définitions de la sécurité et du sentiment de sécurité doit être assurée à la fois auprès de chacun des acteurs, mais particulièrement dans la concertation et les coopérations locales. Il faut comprendre que la prévention de la criminalité par le développement social ou par l'intervention sociale tout simplement est encore un domaine relativement jeune et qu'il faudra un certain temps pour que les intervenants sociaux se reconnaissent comme primordiaux dans ce domaine, encore trop souvent perçu comme inséré dans le contrôle et dans la répression. Un consensus encore plus important attend l'ensemble des acteurs afin d'intégrer la population dans la production de la sécurité commune. La coproduction de la sécurité urbaine relève surtout des acteurs institutionnels et associatifs (communautaires), bref des professionnels du domaine. Pourtant, pour le développement de collectivités durables, la prévention de l'insécurité urbaine devrait s'appuyer sur un projet collectif de société. Bien que cette recherche ne couvre pas de nombreuses villes, les études de cas et la variété des acteurs rencontrés nous livrent de nombreux pistes et modèles d'intervention. Bonne lecture.
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 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.017 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.004 | 0.007 |
| Insufficient payload (model declined to judge) | 0.010 | 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".