MétaCan
Menu
Retour à la cohorte
Enregistrement W4296849224 · doi:10.3917/crii.096.0043

« Aimer et contrôler son prochain » ? Imbrications négociées des logiques compassionnelle et sécuritaire chez les acteurs confessionnels chrétiens dans l’industrie migratoire marocaine

2022· article· fr· W4296849224 sur OpenAlexaff
Sophie Bava, Anissa Maâ

Notice bibliographique

RevueCritique internationale · 2022
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueMulticulturalism, Politics, Migration, Gender
Établissements canadiensMusée de la Civilisation
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

Résumé Au Maroc, à la suite de l'installation croissante depuis les années 2000 de migrants d'origine subsaharienne, les organisations confessionnelles ont été redynamisées et les acteurs religieux ­ en particulier chrétiens ­ ont endossé de nouveaux rôles. Ce faisant, ces acteurs ont intégré une véritable « industrie migratoire » et se sont retrouvés dans une position ambigüe : s'ils sont bien une ressource spirituelle et matérielle pour les migrants, du fait de leur légitimité religieuse, ils capitalisent simultanément sur la relation privilégiée dont ils bénéficient avec ces derniers pour servir des objectifs majoritairement orientés vers le contrôle. Leurs discours et leurs pratiques révèlent ainsi une imbrication de logiques compassionnelles et de logiques sécuritaires dans le gouvernement international des mobilités africaines, comme le démontre particulièrement le cas des programmes de retours volontaires. Cette imbrication potentiellement contradictoire mais toujours négociée est renforcée par des stratégies d'adaptation visant à répondre avec peu de moyens à une demande d'assistance croissante. Loin de s'exclure l'un l'autre, assistance et contrôle se renforcent réciproquement dans un contexte de banalisation de la violence des frontières, et convergent vers une injonction à la sédentarité prononcée à l'égard des ressortissants africains.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,527
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,002
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,154
Tête enseignante GPT0,419
Écart entre enseignants0,266 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCritique internationaleMême sujetMulticulturalism, Politics, Migration, GenderTravaux en français237 207