La sociologie urbaine à l’épreuve de l’immigration et de l’ethnicité : de Chicago à Montréal en passant par Amsterdam
Bibliographic record
Abstract
L’immigration et la ville sont depuis longtemps indissociables, dans la réalité des flux migratoires comme dans celle de la pensée sociologique. Mais aujourd’hui, les transformations des premiers imposent de nouveaux agendas de recherche à la seconde. On se propose donc de faire une lecture synthétique de ces changements en quatre temps, en commençant par rappeler le débat sur les villes paradigmatiques en Études urbaines et la place centrale qu’y occupe l’immigration. Ensuite, on examinera les nouvelles thématiques que mobilisent les chercheurs en sociologie urbaine en fonction des nouveaux paysages urbains de l’immigration. Ces paysages fortement contrastés selon qu’il s’agit de villes américaines, françaises ou néerlandaises, conditionnent en partie les agendas de recherche. Pour dresser celui de nos métropoles, que nous esquisserons en cinq propositions à partir des recherches sur Montréal, nous situerons les particularités des métropoles canadiennes. La fluidité des territoires de l’immigration invite en effet un recentrage de la sociologie urbaine sur les interactions réciproques à l’échelle de la vie quotidienne et sur les lieux où se négocie l’ethnicité.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.009 | 0.009 |
| Scholarly communication | 0.008 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 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".