Bibliographic record
Abstract
Les analyses plurielles concernant le couple sports et violences se multiplient: pour certains, le sport s’inscrit clairement dans un processus historique de domination symbolique et rituelle de la violence et de régulation de l’agressivité, alors que pour d’autres, la violence est au coeur de l’organisation territoriale des activités sportives et l’un des principaux maux dont souffrent ces activités. Mais les violences dans le sport se situent dans des territoires et la géographie, en précisant leurs localisations, leurs dimensions et leurs propriétés, permet l’étude des rapports des sociétés à leurs espaces. Cet article vise à montrer comment les violences accompagnant les pratiques sportives se situent dans des lieux spécifiques, que ce soit autour des stades, dans les stades ou dans les espaces de nature accaparés par des groupes de pratiquants. Il est à la fois un état des lieux prenant en compte diverses recherches en cours et une invitation à poursuivre les réflexions territoriales concernant le couple violences et sports. Après la présentation des interprétations historiques du phénomène considérant le sport de compétition soit comme un élément des codifications de la violence, soit comme une guerre en miniature, notre article propose une analyse des violences contemporaines autour des stades de football (soccer) et enfin une réflexion sur les affrontements territoriaux des sportifs.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.006 | 0.017 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".