Que reste-t-il de moi après #MeToo? : récits autoethnographiques de construction identitaire et de socialisation aux féminismes
Notice bibliographique
Résumé
En 2017, le #MeToo propulsé sur les médias sociaux par Alyssa Milano, mais originalement proposé par Tarana Burke, a semé un vent de changement, ou du moins de discussion, qui a trouvé écho partout dans le monde. Le sujet des violences sexuelles faites aux femmes est à l’agenda, on s’y intéresse davantage, et on dénonce la culture du viol qui permet aux histoires d’abus de se répéter et de se répéter encore. En 2020, au Québec, une deuxième vague de dénonciations prend naissance sur les médias sociaux. En plus des personnalités publiques qui prennent la parole, plusieurs femmes et filles « anonymes » dénoncent leur agresseur à découvert. Ça en est assez. Si elles n’arrivent pas à obtenir justice par la voie légale, elles souhaitent tout de même que leur histoire soit entendue, que les filles autour d’elles soient prévenues, et ce, afin d’éviter que l’histoire se répète encore et encore. La liste DisSonNom apparaît. Le climat est tendu. Et en plein cœur de tout ça, il y a toutes les femmes, les filles et les autres, qui se sont reconnu·e·s sans prendre la parole. Qui ont compris ou réinterprété certains épisodes de leur vie, qui ont cessé de se sentir toutes seules. Je suis l’une d’elles. L’une de celles pour qui la vie a complètement changé à la suite du #MeToo, parce que j’ai compris que j’évoluais dans un système violent, un système qui minimisait et normalisait les violences que vivent les femmes. Dans ce mémoire, il sera question de l’identité, d’identité féministe et de leurs soubresauts à l’ère du #MeToo. Comment, à travers la crise #MeToo, se construit la trajectoire identitaire d’une jeune femme dans la vingtaine dans le contexte québécois ? Et comment cela se traduit-il dans ses interactions avec autrui ? Ce sont à ces questions que j’apporterai une réponse, et ce, en adoptant une approche autoethnographique. De fait, la rédaction du mémoire sera légèrement décalée d’un mémoire plus « traditionnel », notamment par l’intégration d’extraits de conversation et de journaux intimes.
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 | 0,007 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,011 | 0,025 |
| Communication savante | 0,009 | 0,006 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 ».