Racisme et antiracisme au Québec : analyse et approches nouvelles
Bibliographic record
Abstract
Dans cet article, les auteurs dégagent quelques éléments d’un diagnostic du racisme au Québec dans plusieurs secteurs de la vie sociale à partir de la littérature québécoise sur cette question. Ils s’interrogent également sur le degré d’efficacité des mesures institutionnelles de lutte contre le racisme et proposent des pistes d’action susceptibles d’orienter leur devenir. Ces deux moments de l’analyse, constat et proposition d’actions de lutte contre le racisme, sont reliés par une hypothèse. Considérant l’analyse sociologique récente du phénomène dans divers contextes, les auteurs supposent en effet que le racisme traverse une importante période d’adaptation à la modernité démocratique et que les institutions qui auraient jusqu’ici réussi à endiguer le racisme n’auraient plus dorénavant une bonne perception de ses enjeux réels. Cette mutation du racisme rend plus complexe la recherche de moyens efficaces pour en maîtriser les effets. Dans la dernière partie du texte, une approche antiraciste élargie est proposée, qui s’impose d’autant plus, selon les auteurs, qu’elle constitue un des éléments les plus faibles des politiques qui se sont succédé en matière de relations intercommunautaires et civiques.
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.004 | 0.007 |
| Science and technology studies | 0.006 | 0.005 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| 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".