Les plateformes numériques comme nouvelles arènes de contestation ? Dissensus et résurgence de l’injustice épistémique dans #BalanceTaStartUp
Notice bibliographique
Résumé
Le mouvement #BalanceTaStartUp, qui s’apparente à un « MeToo au travail », a permis depuis 2021 d’exposer anonymement les abus de pouvoir et les discriminations du monde des entreprises en démarrage en France (les startups). Cependant, malgré son objectif de responsabilisation des victimes et d’éducation au droit, le mouvement est plombé par des interactions en ligne négatives qui révèlent des dynamiques d’injustice épistémique. Les commentaires acerbes de certains utilisateurs et utilisatrices, assimilant le mouvement à un tribunal public, discréditent les témoignages publiés et créent une atmosphère de rejet, obligeant les travailleurs et les travailleuses à s’engager bénévolement dans la modération des contenus.En analysant spécifiquement les dynamiques d’interaction dans les commentaires au sein de #BalanceTaStartUp, l’article met en évidence la perturbation constante causée par la résurgence de l’injustice épistémique au sein des plateformes numériques publicitaires. Il souligne également la façon dont les internautes réactionnaires emploient des stratégies de dévalorisation pour contrer les mouvements progressistes, enfermant ainsi les travailleurs et les travailleuses dans des processus humiliants qui invalident leurs voix et leurs connaissances.
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 | 0,006 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,009 | 0,054 |
| Communication savante | 0,017 | 0,016 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,002 |
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 ».