Les élus issus des groupes ethniques minoritaires à Montréal : perceptions et représentations politiques, une étude exploratoire
Bibliographic record
Abstract
Cette étude exploratoire tente de mettre en lumière les effets de l’augmentation de la diversité ethnoculturelle dans les assemblées élues. À partir d’entrevues en profondeur menées avec des élus municipaux de Montréal issus des groupes ethniques minoritaires, l’auteure analyse leurs opinions regroupées autour de ces questions : 1. Que pensent les élus rencontrés du jeu politique au niveau municipal ? Du fait de leur origine minoritaire, se sentent-ils marginalisés, voire discriminés ? 2. Quel est l’apport des élus ethniques à la façon d’aborder les enjeux sociaux et politiques ? Ajoutent-ils une perspective nouvelle à l’analyse des problèmes et à la recherche de solutions ? Servant de fils conducteurs à l’étude des opinions colligées, ces questions débouchent sur la proposition de nouvelles avenues pour l’examen de la représentation politique des groupes ethnoculturels au Canada. En conclusion, l’auteure discute de l’idée d’envisager l’angle de la « normalisation », de la « désethnicisation » ou encore de l’« intégration politique » pour étudier la capacité des systèmes politiques à s’ouvrir à de nouvelles couches de la population.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.014 | 0.007 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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".