L'homologie policière en commun : Une analyse structurale de l'activité sécuritaire dans les transports publics urbains
Bibliographic record
Abstract
Il est communément admis que les transports publics urbains constituent un espace sensible pour les politiques de sécurité publique, qui portent une attention croissante à ces réseaux depuis la fin des années 1970. Dans le cadre d’une progression continue des discours sur l’« insécurité » et des mesures pour y répondre, les organisations et personnes formellement impliquées dans la production sécuritaire au quotidien se sont multipliées. L’univers des transports en commun n’a pas échappé à cette « pluralisation du policing », dont les ressorts et les effets sur les organisations impliquées demeurent insuffisamment compris. Comment interagissent et s'intègrent les différents acteurs en charge de l’activité sécuritaire ? Comment les prescriptions issues de la multilatéralisation de cette activité sont-elles différemment perçues, reçues, retraduites, et intégrées par les personnels chargés de son exécution ? En d’autres termes, quelles sont les conditions de la division du travail sécuritaire à l’ère contemporaine ? Par la restitution d’un long travail de terrain mené auprès de différentes organisations chargées de la sécurité dans les transports en commun de l’agglomération lyonnaise, cette thèse propose de comprendre cet espace comme étant pris au sein d’un « champ sécuritaire local », et d’en tirer toutes les conséquences en termes d’analyse structurale de l’activité.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.007 |
| Science and technology studies | 0.004 | 0.004 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| 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".