Der Einfluss der Black Lives Matter-Bewegung auf die frankophone Toponymie
Notice bibliographique
Résumé
Die insbesondere seit 2020 international wirksame Black Lives Matter-Bewegung konnte ohne Zweifel eine kritische Reflexion über rassistische Begebenheiten anregen. Doch nicht nur politisch motivierter Rassismus oder alltägliche rassistische Handlungen stehen im Fokus der Black Lives Matter-Bewegung, sondern auch die sprachliche Manifestierung von Rassismus. Aus onomastischer Perspektive ist nun die Tatsache interessant, dass immer mehr Ortsnamen in den Mittelpunkt der kritischen Debatte rücken. Es handelt sich hierbei um Namen, deren Signifikant für viele Rezipient:innen eine rassistische Konnotation aufweist. Als Beispiele seien der Brüsseler Tunnelname Leopold II Tunnel, der senegalesische Verkehrsplatzname Place de l’Europe oder das Québecer Hydronym Rivière du Nègre genannt. Wie die toponymischen Beispiele verdeutlichen, wird die rassistisch empfundene konnotative Bedeutung über die an die europäische Kolonialzeit assoziierten Namenbestandteile oder über die Transparenz von bestimmten Lexemen wie z.B. nègre transportiert.
 Der vorliegende Beitrag setzt sich zum Ziel, eine erste Bestandsaufnahme zur Debatte über rassistisch konnotierte Toponyme in frankophonen Räumen zu präsentieren. Im Mittelpunkt der Darstellungen sollen zunächst die als rassistisch empfundenen Ortsnamen identifiziert werden. Im Anschluss daran werden erfolgte und in der Diskussion stehende Umbenennungsprozesse in der europäischen und außereuropäischen Frankophonie beschrieben. Hierzu werden Fallbeispiele aus Kanada/Québec, Belgien, Frankreich, aus dem Senegal und aus der Côte d’Ivoire berücksichtigt.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,051 | 0,013 |
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 ».