MétaCan
Menu
Retour à la cohorte
Enregistrement W4388017240 · doi:10.7202/1107312ar

Becoming Fugitive

2023· article· en· W4388017240 sur OpenAlexvenueno aff
Leslie Gross-Wyrtzen, Alondra Vázquez López

Notice bibliographique

RevueACME · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Refugees, and Integration
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésConstitutionEnforcementGeographySettlement (finance)Political scienceGender studiesEconomySociologyLaw

Résumé

récupéré en direct d'OpenAlex

This article tells the stories of illegalized migrant people moving through two violent, transcontinental borderscapes: the EurAfrican border that spans Western Europe, the Mediterranean Sea, and pushes further south each year across Africa; and the American border that stretches from the interior of the United States, through Mexico and Central America, and into South America and the Caribbean. Comparative analysis of these borderscapes reveals similar logics, practices, and policies of border enforcement, as well as strategies that migrant people use to subvert them. We argue that fugitivity provides a critical lens for understanding the co-constitution of borders and border transgression, and reveals how the border manufactures its objects—producing fugitive subjects, spaces, and relations across expanding spatial and temporal distances. As a lens rooted in histories of racialized control over human mobility, fugitivity allows us to chart contemporary territorializations of racial domination through bordering alongside constant challenges to these territorializations through movement. Ultimately, fugitivity provides a method that not only maps out the violence and failures of bordering, but one that imagines alternative geographies emanating from the underground of marginalized people, spaces, and relationships.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0240,039
Communication savante0,0100,011
Science ouverte0,0020,018
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,050
Tête enseignante GPT0,365
Écart entre enseignants0,315 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACMEMême sujetMigration, Refugees, and IntegrationTravaux en français237 207