Dynamiques de formalisation et d'informalisation dans l'étude des migrations
Bibliographic record
Abstract
Souvent négligées au sein de la littérature, les dynamiques de formalisation et d'informalisation dans le contexte des migrations contemporaines occupent pourtant une place prépondérante au sein de nombreuses problématiques. À cet égard, le présent numéro de la collection Sociograph prend la forme d'une invitation à questionner la manière dont les cadres politiques, les interactions entre individus ainsi que leurs pratiques font face, s'accommodent, contestent ou jouent avec la légalité et, plus large-ment, les frontières de la régularité. Il souligne notamment les différents enjeux soulevés par les cadres légaux et les politiques publiques engendrant des systèmes de sélection ou d'exclusion et amenant à décrire ces personnes en mouvement comme régulières ou irrégulières ou à les catégoriser comme immigrées, clandestines, réfugiées ou rapatriées. Formelles ou informelles, ces catégories offrent un cadre de lecture sur certaines situations sociales, sur des relations passées, présentes ou futures marquées par des formes de domination, voire de servitude. Fruit du projet G3 « Gérer les migrations face aux défis identitaires et sécuritaires » regroupant des chercheuses et chercheurs appartenant à différents horizons scientifiques et venant de l'Université Libre de Bruxelles, de l'Université de Genève et de l'Université de Montréal, ce numéro reprend une partie des présentations réalisées lors de la journée d'étude des trois partenaires à Genève en avril 2017.
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 | 0.011 | 0.016 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.006 |
| Science and technology studies | 0.005 | 0.013 |
| Scholarly communication | 0.008 | 0.008 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 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".