L’intolérance et l’oppression : quête des causes et recherche d’une oppression fondamentale
Bibliographic record
Abstract
Le propos de cet article est d'ébaucher une problématique de l'intolérance et de l'oppression par la voie de deux objectifs : soulever la question des causes de ces phénomènes et essayer de déterminer s'il existe une oppression fondamentale. Un tour d'horizon des causes nous apprend très vite que les « explications » fournies décrivent beaucoup plus un enchaînement qu'elles ne remontent aux origines. Déterminer la part de la « nature humaine » dans les rapports de domination, par exemple, est un défi insoluble. Théoriciens et gens d'action gagnent donc à se pencher sur le comment plutôt que sur le pourquoi de l'intolérance. En ce sens, on peut se demander s'il est une oppression plus fondamentale que les autres. Et en effet, parce qu'on ne peut en changer, celle qui porte sur l'identité est plus essentielle que celle qui s'articule autour des manières de penser ou d'agir. Or, l'analyse comparée permet de conclure que, parce qu'ils décuplent tous les autres, les rapports de domination fondés sur le sexe sont, non pas plus fondamentaux, mais plus universels que ceux qui reposent sur l'âge, la classe sociale, la condition physique ou mentale, l'ethnie / « race » ou l'orientation sexuelle.
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 | 0.005 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.006 | 0.040 |
| Scholarly communication | 0.012 | 0.011 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.008 | 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".