La séduction des cartes du geoweb. Le cas des flux de migrants internationaux
Bibliographic record
Abstract
La supposée crise des politiques migratoires européennes depuis 1995, sa forte médiatisation et le besoin d’information de la société civile sur cette question éminemment politique ont contribué à une intense production cartographique des flux de migrants. L’accueil mitigé réservé à la carte de l’agence finlandaise Lucify sur l’exil syrien nous conduit à examiner les enjeux contemporains de la mise en carte de flux de migrants internationaux, à les questionner, à les cartographier autrement. À l’heure du geoweb, la fabrication de ces cartes ouvre, en effet, de nouvelles questions dont l’analyse est rendue complexe non seulement par l’apparente variété des dispositifs techniques et de leur mise en œuvre, mais aussi parce qu’elle doit simultanément aborder ce qui relève de l’intention du concepteur de la carte et ce qui tient de sa réception auprès de publics ciblés. Il s’avère que la carte de Lucify apparaît ex nihilo, le recours à des procédés métaphoriques symbolisant des migrations humaines étant inappropriée. Nous examinons dans un premier temps les enjeux géopolitiques de la mise en carte de l’exil syrien, puis nous analysons la carte de Lucify et sa réception dans un contexte politico-technologique sensible. Dans un deuxième temps, nous présentons les enjeux méthodologiques sous-jacents, sous la forme de réponses cartographiques apportées à la demande sociale d’objectivité et d’humanisation des flux de migrants syriens.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.004 | 0.011 |
| Scholarly communication | 0.008 | 0.009 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.017 | 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".