Les ressorts du racisme anti-asiatique en France, des manifestations de 2010 au Covid-19 <br>
Notice bibliographique
Résumé
En aout 2016, le meurtre d'un couturier chinois a Aubervilliers provoquait des manifestations massives de la communaute asiatique de France. Ce drame avait mis en lumiere les agressions physiques, mais aussi le racisme du quotidien subi par une population jugee discrete, travailleuse et communautariste. Cette mobilisation, faisant echo a celle de 2010, a permis de donner une visibilite associative, mediatique et politique, a une communaute parfois oubliee des luttes anti-racistes des dernieres decennies. Quatre ans plus tard, la pandemie du Covid-19 est venue replacer le racisme anti-asiatique dans le debat public. Aux titres de journaux racoleurs, se sont ajoutes des vexations du quotidien mais aussi des appels a frapper chaque Chinois sur les reseaux sociaux. Cette conference aura pour but d'analyser les specificites du racisme anti-asiatique en France et de cerner ses racines historiques, politiques et sociales. Nos intervenants, jeunes associatifs, journalistes et chercheurs, debattront egalement des moyens d'action pour faire avancer la lutte contre le racisme et les prejuges anti-asiatiques.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,004 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».