Bibliographic record
Abstract
On a parfois tendance à confondre la notion de « Melting Pot », l’un des mythes fondateurs de la nation américaine avec celui du métissage, ou bien à penser que du « Melting Pot » découle forcément le métissage. La première se réfère à l’absorption par les États-Unis de groupes de populations plus ou moins homogènes en provenance de différentes parties du monde. Tandis que le métissage implique l’union de personnes ethniquement hétérogènes et dont les descendants constitueront une nouvelle entité « raciale » qui se distingue de celle de leurs parents. Cette confusion est d’autant plus fâcheuse que l’histoire des États-Unis a notamment été caractérisée par des lois promulguées contre le mélange ethnique. Ces législations avaient pour objectif de réduire au strict minimum l’avènement de couples d’ethnies distinctes afin de prévenir contre l’arrivée d’enfants métis, enfants que le puritanisme religieux (qui se traduit souvent en préjugés raciaux) de la population blanche ne pouvait tolérer. Dans ce contexte, une dialectique apparaît avec, d’un côté, la tentative de contenir le métissage en multipliant les législations contre sa pratique (installant un tabou) et, d’autre part, la promotion par l’intermédiaire d’un mythe national d’une sorte d’harmonie qui transcenderait la différence entre des peuples. Sa synthèse serait l’avènement du communautarisme.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.009 | 0.018 |
| Scholarly communication | 0.005 | 0.007 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.009 | 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".