Bibliographic record
Abstract
Quarante pour-cent des Européens refusent d’avoir des Roms comme voisins, alors que 80 % de ceux-ci n’entretiennent pas de contact direct avec eux. Cette étude observe les mécanismes de construction des attitudes envers les Roms. Elle analyse la production de ces attitudes au sein de deux milieux similaires, mais où les politiques d’intégration locales envers les Roms divergent, résultant en des conditions des contacts intergroupes différentes. Cette analyse part des postulats théoriques selon lesquels l’intégration des migrants est un enjeu d’action publique locale et que des interactions sociales de qualité structurent les attitudes des uns par rapport aux autres. À partir d’entrevues semi-dirigées réalisées dans les communes françaises de La Courneuve et d’Ivry-sur-Seine, quatre théories sont testées : la théorie du contact, l’effet halo, l’effet des politiques municipales et l’influence des médias. Il en ressort que la mise en oeuvre de politiques municipales en faveur de l’intégration des Roms permet d’améliorer leurs conditions de vie et ainsi de déconstruire des préjugés imputables à leur situation de précarité. Par ailleurs, l’analyse illustre la manière dont les médias activent, entretiennent ou consolident la façon de percevoir les Roms.
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 | 0.004 | 0.004 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| 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, 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".