Les désignatifs collectifs comme révélateur de tensions sociales : le cas de « nègre » et de « juif »
Notice bibliographique
Résumé
Certains mots portent le lourd passé des faits ou des groupes qu’ils nomment ; « nègre » et « juif » sont indéniablement de ceux-là. L’analyse récente d’événements médiatiques au cours desquels ces deux mots ont été utilisés, ce qui a valu aux auteurs des sanctions populaires et institutionnelles, montre les risques à les utiliser. Dans le premier cas, c’est l’usage même du terme qui, en opposition avec son correspondant plus acceptable Noir, a été fortement décrié : dans un sketch qui se voulait humoristique lors d’une émission de télévision québécoise très grand public (Bye Bye 2008, diffusé le 31 décembre 2008 par Radio Canada), le terme « nègre » associé à des commentaires raciaux stéréotypés ont fait scandale. Dans le second, ce sont les inférences ethnotypiques qui ont causé problème : dans un billet d’humeur (Charlie Hebdo, 2 juillet 2008), le chroniqueur Siné a commenté le mariage de Jean Sarkozy, faisant d’après certains commentateurs ressortir l’équation « juif et argent ». Dans ce texte, nous analysons ces deux événements, c’est-à-dire les discours sources et les réactions qu’ils ont suscités, afin de comprendre comment se créent et se propagent dans une communauté les connotations péjoratives qui accablent les désignatifs ethniques ou raciaux. En filigrane, c’est toute la question de ce qui devient insultant qui est posée avec, d’un côté, le seuil de tolérance aux propos potentiellement vexatoires et de l’autre, l’ingéniosité à identifier des inférences ou des intentions à des propos qui ne le seraient pas nécessairement.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».