Bibliographic record
Abstract
J’examine ici la pertinence de la catégorie de « blanchité » pour l’analyse du racisme en Occident. Cette catégorie, travaillée par lesWhiteness Studies, a l’avantage de rendre visibles les mécanismes systémiques garantissant aux « BlancHEs » un accès privilégié au pouvoir et aux ressources. Je ferai valoir notamment que les vives résistances suscitées au Québec par la notion de racisme systémique fut un révélateur d’une certaine « fragilité blanche » qui se manifeste, typiquement, lorsque le rôle et les intérêts des « racisantEs » dans la reproduction des rapports sociaux de « race » sont nommés et rendus visibles. Toutefois, aussi utile soit-il pour l’étude du racisme, l’usage sociologique de la notion de blanchité commande certaines précautions, afin de la complexifier et de la dégager des cadres essentialisants à travers lesquels elle est encore trop souvent appréhendée au sein desWhiteness Studies. Je soutiendrai en outre qu’on ne peut penser la blanchité sans réfléchir conjointement au processus de construction de la nation et de ses étrangers intérieurs. Par ailleurs, l’expérience de la blanchité varie en fonction des rapports mutuellement structurants entre la « race » et d’autres facteurs de différenciation sociale (ex. : genre, classe).
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.006 | 0.004 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.012 | 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".