Bibliographic record
Abstract
Cet article examine les processus d’insertion professionnelle d’un groupe de cinq jeunes migrants africains vivant dans la région métropolitaine de Barcelone (Catalogne, Espagne) dans la perspective du rôle et de la valeur de leur répertoire multilingue. Relatant un engagement ethnographique à long terme avec ces cinq personnes, cet article présente leurs trajectoires personnelles et professionnelles, et analyse les facteurs qui ont contribué à leur accès (ou non) à l’emploi. On y soutient que, dans le contexte actuel de crise économique et dans l’espace local de la ville de Sarrona, il n’y a pas d’opportunités d’emploi. Le catalan apparaît comme un capital symbolique dans le réseau local d’entraide lié à une ONG qui procure le logement et la nourriture, mais ne permet pas pour autant d’obtenir un travail. À travers ses discours et ses pratiques, cette ONG dévalorise les ressources linguistiques « non-locales » des migrants, y compris la connaissance de langues d’usage planétaire comme l’anglais et le français. De fait, l’ONG gomme idéologiquement les autres langues. Seuls les migrants qui se sont aventurés en dehors de l’univers « sécurisé » de l’ONG et de ses réseaux, ceux qui ont fait des études universitaires, ont trouvé des emplois dans l’hôtellerie à Barcelone, qui leur donnent une autonomie personnelle.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.005 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".