Gedwongen of vrije keuze? In-en uitsluitingsmechanismen in de ethno-party scene
Bibliographic record
Abstract
Met grote regelmaat vinden er in het stedelijk nachtleven ethno-party’s plaats. Deze feesten zijn speciaal georganiseerd voor en door een specifieke etnische groep. In dit artikel wordt aan de hand van onderzoek in de Turkse, Marokkaanse en Asian party scene onderzocht waarom jongeren dit soort feesten bezoeken en in hoeverre de jongeren daarnaast deelnemen aan de mainstream uitgaansscene. Het onderzoek bestond uit participerende observatie en interviews met organisatoren en bezoekers van de feesten. De keuze voor een bepaalde scene wordt geanalyseerd aan de hand van een model van gestructureerde keuze dat zowel omgevingsfactoren als persoonlijke factoren omvat.Persoonlijk factoren staan niet op zichzelf, maar worden in interactie met de omgevingsfactoren gevormd. De keuze voor een ‘ethno-party’ wordt zowel bepaald door muziekvoorkeuren, de behoefte om uit te gaan met mensen met wie de jongeren zich identificeren, als door gebrekkige toegang of gevoelens van onveiligheid in de reguliere party scene. Deurbeleid is vooral voor Marokkaanse jongens een barrie`re voor het uitgaan in de mainstream clubscene. Voor Turkse jongens geldt dit in mindere mate. Tot slot speelt de vriendengroep een belangrijke rol bij de keuze. Jongeren met een meer gemengde vriendengroep gaan vaker ook in mainstream clubs uit.
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 | 0.004 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.014 |
| Scholarly communication | 0.010 | 0.008 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.023 | 0.002 |
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".