Bibliographic record
Abstract
En raison d’un sentiment d’illégitimité à vivre, de difficultés à braver les normes et de l’effritement du capital de résilience face aux rejets et discriminations, des personnes trans de tous âges et de tous milieux renoncent à la vie en se suicidant. D’autres sont assassinées et viennent allonger la liste des victimes de transphobie. Ces personnes font l’objet de réassignations post-mortem, dont on trouve des traces depuis le iv e siècle. Le sujet demande d’être abordé avec précaution car ces expériences de vie sont liées au genre et plus précisément au franchissement de genre, pour des personnes qui correspondent peut-être aux cas de figure que l’on comprend au xx e siècle sous le terme transgenre. Dans cet article, nous nous proposons d’interroger des franchissements de genre à travers les âges en mesurant les effets des réassignations post-mortem, voire des effacements, à l’aide d’exemples. Les réassignations et leurs conséquences seront aussi décrites et analysées à partir de contenus identifiés dans les médias contemporains, particulièrement quand la mort de personnes trans est traitée dans le registre du fait divers et quand le genre devient un outil de mise en scène. La proposition d’ouverture à l’intersectionnalité a pour objectif de montrer que le traitement médiatique et les réassignations post-mortem révèlent la persistance des inégalités parfois même sous de nouvelles formes.
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 | 0.004 | 0.034 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 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".