Alain-Philippe Durand (ed.), Black, Blanc, Beur : Rap Music and Hip-Hop Culture in the Francophone World
Bibliographic record
Abstract
CE RECUEIL DE DIX ESSAIS sur la culture hiphop en France, au Gabon, en Afrique de l'Ouest et au Québec apporte une précieuse contribution au corpus grandissant de la littérature académique de langue anglaise sur le hip-hop « nonanglophone » se développant à l'extérieur des USA.Un tel corpus, abstraction faite de mon propre ouvrage Global Noise (Mitchell, 2001), était jusqu'ici réduit à quelques articles épars dans les revues universitaires.Bien que MC Solaar continue d'être quasiment le seul rappeur français ayant percé dans cet îlot notoirement xénophobe qu'est le marché hip-hop US, la France est désormais largement reconnue comme étant le « second royaume » du hip-hop mondial après les États-Unis.S'émancipant d'un foyer originellement centré sur Paris, une production musicale riche et variée a gagné les différentes régions de France, et plus particulièrement celle de Marseilleprincipalement représentée par des beurs seconde génération, maghrébins [islamic] dans leurs origines comme dans leur sensibilité.On a de plus pu assister à la naissance d'une sous-culture extrêmement prolifique de DJing, de breakdance et de graff.Il y existe en outre, comme le montre cette anthologie, un corpus non négligeable de littérature académique de langue française sur le hip-hop.Pas moins de cinq auteurs de ce volume ont en effet écrit ou dirigé d'importantes études sur le hip-hop français, sept autres y sont référencés, ainsi que de nombreux articles.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.005 | 0.005 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.016 | 0.005 |
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".