MétaCan
Menu
← Retour à la cohorte
Enregistrement W7104453447 · doi:10.71781/21468

La racialisation des musulman.es au Québec : analyse d’un cas de diffamation à caractère islamophobe

2020· dissertation· fr· W7104453447 sur OpenAlexaboutno aff

Notice bibliographique

RevuePapyrus : Institutional Repository (Université de Montréal) · 2020
Typedissertation
Languefr
DomaineSocial Sciences
ThématiqueMulticulturalism, Politics, Migration, Gender
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNarrativeContext (archaeology)Identity (music)

Résumé

récupéré en direct d'OpenAlex

Ce mémoire porte sur le processus de racialisation des personnes de confession et/ou de culture musulmane. Il cherche à éclairer la manière dont cette racialisation s’incarne à l’égard des personnes musulmanes qui prennent part aux débats sociopolitiques de leur société (plus spécifiquement ceux entourant les enjeux de laïcité et de signes religieux). La posture scientifique adoptée allie expérience individuelle et analyse sociologique. Dans le cadre analysé, la participation à un débat public au Québec, en 2013 et 2014, autour d’un projet de loi sur la laïcité et la neutralité religieuse de l’État (le projet de loi no 60) a donné lieu à une campagne de diffamation ciblant l’auteure de cette recherche et culminant en une démarche en justice. Ce type de diffamation, qui a pour cible une personne musulmane, puise dans un registre conspirationniste de l’islamisation et de l’infiltration des institutions démocratiques et des organisations de la société civile par les musulman.es vivant dans les sociétés occidentales. À travers un cas comme celui-ci, il est possible d’observer, par une sorte d’effet grossissant, une cristallisation de plusieurs propriétés de la racialisation telle qu’elle s’incarne à l’égard des personnes musulmanes. L’analyse mobilise des vidéos et des publications diffusées sur un blogue actif en 2013 et 2014, véhiculant des thèses conspirationnistes anti-islam, des documents tirés du dossier juridique (poursuite en diffamation), ainsi qu’une reconstruction narrative des évènements.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,030
Score d'incertitude au seuil0,218

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0120,003
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,026
Tête enseignante GPT0,261
Écart entre enseignants0,235 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePapyrus : Institutional Repository (Université de Montréal)→Même sujetMulticulturalism, Politics, Migration, Gender→Travaux en français237 207→