Bibliographic record
Abstract
Il existe une longue tradition de témoignages faits au nom de populations marginalisées et exposées à une variété de formes de violences sociales. Malgré les bénéfices évidents de ces efforts pour donner à connaître ces violences au champ du pouvoir, et par extension à l’opinion publique, ils ont aussi eu comme effet de limiter notre réflexion sur la possibilité qu’ont les théorisations locales de la violence et de la souffrance de s’inscrire dans un espace de communication entre les sujets souffrants et le champ du pouvoir. Le développement juste de cet espace de communication demande non pas d’imposer aux sujets souffrants la charge supplémentaire de traduire leur situation en une structure narrative admissible au champ du pouvoir, mais bien de développer notre compréhension de la diversité des stratégies discursives locales pour décrire et expliquer la violence. À partir d’exemples ethnographiques tirés du contexte autochtone mésoaméricain, nous explorons ici trois de ces formes locales de mise en récit : la personnification, la métonymie et l’antithèse. Une sensibilité plus grande à cette diversité discursive est présentée comme un moyen de dépasser la fatigue compassionnelle ressentie par le public, l’homogénéisation discursive du « dépendant » de l’aide humanitaire ou du pauvre, et le formatage médiatique qui transforme tôt ou tard la souffrance et la violence en biens de consommation pour leur auditoire.
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 | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.019 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.004 | 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".