Bibliographic record
Abstract
Dans un monde hanté par le scénario du pire, la mobilité des individus est aujourd’hui de moins en moins perçue comme une occasion, un effet du marché global ou encore une logique inéluctable des détresses humaines. Au contraire, les déplacements sont de plus en plus associés à l’image du risque et de la menace, qui justifie une démultiplication des pratiques de contrôle et de surveillance des individus en mouvement. Les stratégies renouvelées ou renforcées de lutte contre le terrorisme depuis les attaques du 11 septembre 2001 et le contexte de la guerre au terrorisme ont eu des conséquences majeures dans la mise en place de ces pratiques. La sécurité est lue à travers sa prétention à la protection et à la prévention, et les dispositifs de surveillance et de contrôle deviennent centraux dans cette quête, coûteuse à bien des égards, du « risque zéro ». Cet article a pour objectif de présenter sous quelles formes la surveillance des mouvements des populations s’est durablement intensifiée. Il vise également à montrer comment ce contrôle accru renforce l’inquiétude, la suspicion et l’hostilité au coeur de nos sociétés occidentales.
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 | 0.004 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 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".