From geopolitical fault-line to frontline city: changing attitudes to memory politics in Kharkiv under the Russo-Ukrainian war
Notice bibliographique
Résumé
The article investigates changing attitudes to memory politics in Ukrainian city of Kharkiv. In February 2022, with the outbreak of the full-scale Russo-Ukrainian war, this geopolitical fault-line city became a frontline city with significant potential outcomes for urban identity and local geopolitical preferences, including attitudes to the national memory politics. The research is based on the comparative analysis of the two surveys among residents of Kharkiv, conducted in spring-summer 2018 and in autumn 2022 – before and after the full-scale war. The results of the surveys are analysed by means of descriptive statistics and binary logistic regression. Additionally, two focus groups were held in order to receive additional justification when interpreting the results of the survey. The research shows that the attitudes to Ukrainian nation-centric memory narrative, including both decommunisation and decolonisation, have significantly improved. Nevertheless, public attitudes to the memory politics in the frontline city are highly reflexive in nature and deeply embedded in the context of the ongoing war. The geopolitical divide, which existed before the war, has largely transformed into a cultural one, namely heterogeneity of attitudes to the Russian cultural heritage in the city. This softened albeit still existing divide has, to some extent, materialised in physical space and runs between the ardent supporters of decommunisation and decolonisation that massively fled from the atrocities of the war and their opponents who at most choose (or were obliged) to stay in the front-line city. The study reveals that military conflicts may either activate hidden geopolitical divides in geopolitical fault-line cities or contribute to their transformation or even disappearance.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; 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 ».