« C’est une partie de mon travail avec laquelle j’ai beaucoup de difficultés » : une contre-histoire sur la collaboration entre intervenant.e.s de première ligne en itinérance et policier.ère.s lors de la COVID-19
Bibliographic record
Abstract
Les personnes en situation d’itinérance (PSI) font face à plusieurs défis pour (sur)vivre dans l’espace public dont la judiciarisation, la criminalisation (Bellot et Sylvestre, 2017), les demandes de déplacements et la saisie de matériels (Herring, 2019) qui se manifestent aussi dans les espaces de soins (Dej, 2020). D’ailleurs, les intervenant.e.s de première ligne en itinérance opèrent avec des tensions complexes dans le cadre de leur travail, iels doivent assurer le bien-être de leurs usager.ère.s et répondre à des tâches de contrôle, en négociant leur mandat avec d’autres organisations telles que la police (Stuart, 2016). Les crises ont pour effet d’exacerber la discrétion individuelle des travailleur.euse.s en première ligne, soutenant les collaborations, mais aussi les résistances dans la rue (Brodkin, 2021). Au Québec, la gestion de la COVID-19 a été qualifiée de « punitive » (Fortin et al., 2022), visant démesurément les quartiers pauvres et racisés (Luscombe et McClelland, 2020a). Bien que le profilage social est largement documenté à Montréal, jusqu’à maintenant peu de connaissances ont été produites quant aux conséquences des crises sur les organisations participant à la gouvernance de l’itinérance. Les travailleur.euse.s de première ligne ont largement été mobilisé.e.s, toutefois, peu de recherches se sont penchées sur leurs rôles (Alcadipani et al., 2020). Suite à 42 entretiens réalisés avec des intervenant.e.s de première ligne en itinérance, j’ai utilisé la méthodologie de contre-histoire pour confronter une narrative-maître de collaboration. Les entretiens suggèrent que les intervenant.e.s ont plutôt chercher à limiter les interactions avec la police alors que différentes crises convergent et vulnérabilisent leurs usager.ères. Iels ont mis en place différentes stratégies pour limiter ces interactions et assurer le bien-être des PSI. Autant lorsqu’iels limitent les interactions que lorsqu’iels en viennent à collaborer avec la police, les intervenant.e.s font face à des dilemmes plus complexes qui engendrent des conséquences amplifiées sur leurs usager.ère.s. Ces résultats permettent de discuter des conséquences de la crise sur leurs pratiques d’intervention et du contexte dans lequel opère cette gouvernance de l’itinérance.
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 | 0.016 | 0.024 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.030 | 0.033 |
| Scholarly communication | 0.020 | 0.017 |
| Open science | 0.003 | 0.016 |
| Research integrity | 0.009 | 0.013 |
| Insufficient payload (model declined to judge) | 0.012 | 0.003 |
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".