La difficile transparence des statistiques épidémiologiques de la COVID-19 ou comment les minorités peinent à exister dans la bataille des chiffres en Amazonie
Notice bibliographique
Résumé
En Amazonie, l’une des régions du Brésil les plus touchées par l’épidémie de COVID-19, les statistiques épidémiologiques publiées par les autorités brossent un tableau de la crise sanitaire qui interroge, car il ne considère pas ou trop partiellement le sort des populations issues des minorités ethniques et culturelles qui habitent la région. Au cours de la première vague épidémique (de février à juillet 2020), une équipe de 11 chercheurs a recensé et analysé la mobilisation des populations autochtones et quilombolas, et leur appropriation de l’outil statistique, pour apparaître dans les chiffres officiels. En réaction à ces mobilisations, les bulletins épidémiologiques publiés par les États et les communes amazoniennes ont fortement évolué d’un mois sur l’autre, faisant apparaître différentes lectures de la crise sanitaire, ancrées dans les imaginaires et les enjeux de pouvoir des régions amazoniennes. L’analyse met en évidence ce combat, discret mais essentiel, des minorités ethniques du pays, pour que soient actées, par les chiffres et dans les discours, les conséquences de l’épidémie sur leurs populations.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,013 | 0,006 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,000 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».