Bibliographic record
Abstract
Dans le cadre d’une politique de réduction de la natalité, l’Inde a traversé une période de stérilisations contraintes en masse sous l’État d’urgence, en 1975-1977. Depuis, les politiques indiennes de planification familiale ont abandonné ces méthodes pour laisser place à une approche dite de « bien-être familial » reposant sur le choix libre et informé des citoyens. Compte tenu des défis politiques et économiques mais aussi des crispations sociales et religieuses sous-jacentes à la question démographique indienne, dans quelle mesure cette approche est-elle compatible avec la réalité locale ? La question de la fécondité des femmes reste un sujet sensible en Inde, à la croisée de tensions sociales (dénonciation de la fécondité des plus défavorisées) mais aussi d’enjeux religieux (hindous-musulmans) et de considérations de genre (multiplication des grossesses pour assouvir le désir de garçons). À partir de l’ethnographie d’un hôpital public d’obstétrique au Rajasthan, j’explique les raisons pour lesquelles le corps médical exhorte ses patientes au contrôle des naissances. En rendant compte du pouvoir discrétionnaire des médecins, je montre que leurs pratiques sont davantage dictées par des considérations nationalistes que par un souci de liberté individuelle officiellement en vigueur.
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 | 0.009 | 0.013 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.013 | 0.051 |
| Scholarly communication | 0.007 | 0.010 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.006 | 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".