Représenter ‘V.’ : récit de soi, récit de l’autre, récit d’un « nous »
Bibliographic record
Abstract
Il y a cinq ans, j’ai rencontré des familles roms de Roumanie vivant dans un bidonville de la région lyonnaise. C’était la première fois que je pénétrais dans un tel endroit (mais c’était loin d’être la dernière), et que je me retrouvais face à des personnes qui vivent dans des conditions aussi inhumaines, tout en étant les victimes d’une discrimination dont je n’avais jamais vu l’équivalent. Je suis écrivaine, et chercheuse. Mon réflexe – tout en nouant des liens avec V., une mère de famille nombreuse, et en tentant d’apprendre à la soutenir de la bonne façon (c’est-à-dire de la façon qui lui convienne, à elle, selon ses choix et ses valeurs) – a été de rendre compte non seulement de ce dont j’étais témoin, mais de ma propre position, moi, gadji, privilégiée (qui pouvais perdre ce privilège du jour au lendemain, comme nous tous), mais également immigrée, et appartenant à un groupe (les « Arabes ») dont la position dans la société française actuelle n’est pas non plus anodine. Ce texte raconte donc le parcours de la femme, de l’immigrée, de la citoyenne et de l’autrice que je suis, en réfléchissant également aux problèmes qu’a pu poser au fil du temps et que pose encore le choix d’écrire au sujet de ces personnes auxquelles je suis personnellement liée, attachée, et de les représenter.
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.011 | 0.007 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.004 | 0.006 |
| Insufficient payload (model declined to judge) | 0.010 | 0.004 |
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".