Cultura, llengua i diversitat cultural de nacions minoritàries: els casos del Quebec i de Catalunya, territoris... compartits?
Bibliographic record
Abstract
Des de l’aprovació de la Convenció sobre la protecció i la promoció de la diversitat de les expressions culturals de la UNESCO de 2005, la diversitat cultural esdevindria un objectiu central en les polítiques públiques de molts estats signataris. Però, tot i que s’han trobat diferències entre situacions nacionals pel que fa al reconeixement d’aquesta diversitat, què passa amb aquestes nacions minoritàries que treballen des de fa dècades per a desenvolupar una cultura societària legítima per la seua pertinença cultural i lingüística? Hi haun desajust pel que fa als instruments d’acció pública posats en pràctica al llarg de dècades per assegurar l’esplendor d’una cultura i d’una llengua particulars? En aquest text, ens centrem en les polítiques culturals i en altres àrees connexes (sobretot en llengua, educació i immigració) que també estan relacionades amb la qüestió de la diversitat cultural al Quebec i a Catalunya, dues nacionsminoritàries que, com a societats democràtiques dotades d’autonomia parlamentària i governamental, també tenen l’obligació deprotegir, valoritzar i donar suport a les minories i als grups etnoculturals que habiten als seus territoris.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.009 | 0.006 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.009 | 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".