Bibliographic record
Abstract
On a trop souvent tendance à considérer les rapports ethniques comme mettant en jeu une majorité dominante exerçant son pouvoir sur un ensemble de minorités. Or, en Amérique du Nord comme en Europe, on trouve plusieurs cas de figure éloignés de ce modèle. Parfois, plusieurs groupes partagent un pouvoir sensiblement équivalent de contrôler l'État et d'imposer une définition de la nation. C'est le cas des néerlandophones et des francophones en Belgique, ou des catholiques et des protestants en Irlande du Nord. Il arrive aussi, comme au Québec et en Catalogne, que des majorités clairement identifiables connaissent une « ambiguïté de dominance » liée à leur statut minoritaire à l'échelle nationale. Ces situations sont à la fois fascinantes à observer et éclairantes pour comprendre le rôle de l'éducation dans le maintien ou la transformation des frontières ethniques et des identités. Marie Mc Andrew en fait une démonstration remarquable dans ce livre où elle se penche sur divers enjeux, parfois controversés, tels la scolarisation commune, l'enseignement de l'histoire, l'intégration linguistique des immigrants, ou encore la prise en compte de la diversité à l'école. Elle s'appuie sur dix ans de travaux comparatifs réalisés dans le cadre du Réseau sur l'éducation dans les sociétés divisées, d'où est issu le concept de majorité fragile.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.010 | 0.028 |
| Scholarly communication | 0.008 | 0.005 |
| Open science | 0.001 | 0.009 |
| Research integrity | 0.002 | 0.006 |
| Insufficient payload (model declined to judge) | 0.021 | 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".