La diversité sur le palier. Catégorisations ordinaires d’un voisinage hétérogène à Genève
Bibliographic record
Abstract
L’hétérogénéité de la population des centres urbains européens est souvent présentée comme une cohabitation de divers groupes (ethniques, nationaux, sociaux). L’article questionne cette perspective en se demandant comment — dans des immeubles dont la population reflète la mobilité internationale, les inégalités socioéconomiques mais aussi la diversification des modes de vie — les individus eux-mêmes perçoivent cette hétérogénéité. À travers des entretiens avec des résidents de quatre immeubles de Genève, j’analyse la manière dont ils décrivent leurs voisins. Plutôt que de les classer en groupes et de se référer à « nous » et à « eux », les interviewés combinent des catégories qui varient selon le voisin dont il est question. Toutefois, même pour les anciens résidents, certains voisins restent des inconnus dont ils ignorent jusqu’à l’existence. J’interprète ceci comme une conséquence de la grande hétérogénéité de la population étudiée, mais aussi de la moindre visibilité des voisins et de leurs activités, ainsi que de l’absence, à l’échelle des immeubles du moins, de réseaux de voisinage stables et soudés. Ainsi, loin d’être toujours des espaces d’interconnaissance, les immeubles s’apparentent à une juxtaposition d’espaces privés (les appartements) et quasi publics (les parties communes), où la coexistence passe par des formes de retenue et d’indifférence à l’égard des autres et de leurs différences.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.003 | 0.006 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 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".