Parcours identitaires des minorités involontaires au Manitoba français : vers une éthique en matière de dialogue, de réciprocité et d’éducation interculturelle
Bibliographic record
Abstract
Dans cet article, nous prendrons un certain recul par rapport aux données concrètes colligées dans le contexte de nos diverses interventions (entrevues, entretiens, observation participante, forums et tables rondes communautaires) en milieu francophone minoritaire et, plus précisément, auprès des Métis francophones d’une part et, d’autre part, auprès de familles réfugiées. Nous proposons ainsi une réflexion afin de trouver des zones d’aménagement favorables à la réciprocité, au dialogue et à la résilience des minorités involontaires. Ce décloisonnement et ces rapprochements pourront d’abord surprendre, mais le lecteur découvrira toute la pertinence de réfléchir au « vivre ensemble » dans le contexte des flux migratoires et de la mouvance identitaire qui affectent, entre autres, les collectivités francophones de l’Ouest canadien. Nous traiterons d’interculturel et d’éthique, là où se rejoignent nos axes et intérêts de recherche (éducation, langue et culture) et les valeurs que nous défendons. Nous insisterons sur le mariage « recherche et enseignement » dans la mesure où il permet une meilleure mobilisation des connaissances en agissant à la source, en sensibilisant tôt les citoyens de demain, qui comprendront mieux que les générations précédentes la diversité ethnoculturelle ainsi que les enjeux et les défis qui lui sont associés. Ne seront-ils pas ainsi plus en mesure d’agir avec pertinence grâce à des compétences interculturelles et des pratiques d’accommodement auxquelles ils auront été exposés dès le plus jeune âge?
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
Direct model labels (unvalidated)
Per-model category and study-design labels from the labeling rounds. They are machine output, unvalidated, and the disagreement between models ships as data. No study design here is MEDLINE-validated yet.
| Model arm | Categories | Study design | Confidence |
|---|---|---|---|
| gemma | no category Domain: not available · Genre: Empirical About the Canadian research system: no · About a Canadian topic: yes | Qualitative | low |
| gpt | no category Domain: not available · Genre: Empirical About the Canadian research system: no · About a Canadian topic: yes | Qualitative | low |
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 | 0.008 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.014 | 0.013 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 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, unvalidatedLabeled directly by 2 models reading the full record.
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".