Bibliographic record
Abstract
Résumé L’histoire du métissage aux États-Unis est liée aux lois promulguées contre le mélange ethnique. Ces législations avaient pour objectifs de limiter au maximum les couples inter-ethniques afin d’éviter l’avènement d’enfants métis, enfants dont le puritanisme religieux et les préjugés raciaux de la population blanche ne pouvaient ni tolérer ni ne voulaient reconnaître. Toutefois, les différentes mesures restrictives n’ont pas pu, bien entendu, complétement empêchées ces couples supra de se former ni l’arrivée d’enfants issus de ces unions. Quand est-il alors du fameux « Melting Pot », l’un des mythes fondateurs états-uniens ? Il ne faut pas confondre le mythe du « Melting Pot » avec le métissage. Le premier se réfère à l’absorption de groupes de différentes populations plus ou moins homogènes. Le second implique l’union de personnes ethniquement hétérogènes et dont les descendants constitueront une nouvelle entité n’appartenant à aucun les deux parents. Mais, dans le contexte américain, ces deux notions semblent même se renforcer l’un l’autre à travers une dialectique où, d’un côté, on empêche le métissage en multipliant les législations contre sa pratique et, de l’autre, on promeut par l’intermédiaire d’un mythe national une sorte d’harmonie transcendant le tout, un macrocosme de la loi dite du « Separate but Equal », qui avait permis de justifier, les décennies durant, la ségrégation raciale dans le Sud du pays.
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 | 0.002 |
| Science and technology studies | 0.008 | 0.005 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 0.000 |
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".