Bibliographic record
Abstract
La victime du crime d’honneur est généralement une femme qui est soupçonnée de gérer sa chasteté d’une façon divergente de l’avis de son groupe familial (en refusant de se marier, en ayant une relation extraconjugale, etc.). Habituellement, l’auteur du crime d’honneur est masculin et fait partie du même groupe familial que la victime. Une hiérarchie de genre est sous-jacente au crime d’honneur et traverse les échelles de gouvernance (locale, nationale, internationale). Pour le montrer, nous étudions le cas du crime d’honneur subi par Samia Sarwar le 6 avril 1999 au Pakistan et plus particulièrement le débat qui a entouré ce meurtre. D’abord, nous analysons la manière dont la hiérarchie de genre peut marginaliser le groupe social des femmes. Ensuite, nous observons le rôle des femmes non seulement comme complices du crime d’honneur, consolidant par là la structure maritale androcentrique, mais aussi comme complices des rituels amoureux concurrents des mariages. En devenant amantes et médiatrices des histoires d’amour, les femmes déstructurent en effet le système patriarcal et patrilinéaire. Enfin, cet article met en lumière, notamment par l’analyse du discours de la rapporteuse spéciale onusienne sur la violence envers les femmes, la manière dont les (op)positions sur le crime d’honneur et la hiérarchie de genre traversent les échelles de gouvernance.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.007 | 0.009 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".