Bibliographic record
Abstract
L’étude des pratiques de nomination offre de précieux renseignements sur les rapports de pouvoir entre les sexes et le processus de leur différenciation symbolique. Hommes et femmes ont un pouvoir de nommer qui diffère selon les sociétés. Il vient renforcer ou contrebalancer l’effet de structuration exercé par le système de filiation sur les rapports intrafamiliaux et véhicule une image plus ou moins prestigieuse de l’homme et de la femme. On peut aussi étudier l’inégalité entre les sexes en observant les différences qui existent parfois dans la construction, le contenu symbolique et l’usage des prénoms masculins et féminins. Mais le nom peut aussi être une arme redoutable, y compris aux mains des femmes de sociétés patrilinéaires, dans la lutte des sexes ou la rivalité entre personnes de même sexe. Le cas limite de sociétés où l’on peut prendre un nom du sexe opposé offre l’occasion de tester la théorie performative du nom pour qui le nom fait le genre et d’apercevoir certains des facteurs selon lesquels varient les effets de genre d’un nom.
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 | 0.002 |
| Science and technology studies | 0.005 | 0.003 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 0.002 |
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".