«Si t’es pas antifasciste, t’es fasciste, ou tu fais rien» : comprendre l’antifascisme montréalais et son engagement militant
Bibliographic record
Abstract
L’antifascisme fait l’objet de nombreuses études sous sa forme historique, mais peu s’intéressent à son expression contemporaine. Afin de comprendre l’antifascisme dans le contexte montréalais, rencontrer les militants de cette lutte, acteurs de terrain de l’action, a semblé primordial. C’est donc en réalisant des entrevues semi-dirigées avec 5 militant(e)s antifascistes montréalais et par une courte recherche documentaire dans les ressources antifascistes montréalaises, que la compréhension de cette forme d’antifascisme a pu se construire. Cette recherche met en lumière une pluralité de portraits et de parcours militants auxquels la littérature sur le sujet , alors que les participants s’expriment sur leurs différents parcours, leur cheminement personnel ainsi que sur leurs motivations à s’engager. Ces discussions permettent de contextualiser l’engagement antifasciste dans le cadre spécifique du Québec au cours des 15 dernières années, tout en soulevant les défis des engagements militants. Par la même occasion, la rencontre des militant(es) met en avant la diversité des actions antifascistes ainsi que leurs enjeux, dont celui de la violence qui fait l’objet d’un traitement médiatique important. Cette recherche démontre que ce qui est présenté dans les médias ou la littérature sur l’antifascisme n’est que la pointe de l’iceberg et que la réalité du milieu est beaucoup plus complexe.
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 | 0.003 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.020 | 0.015 |
| Scholarly communication | 0.008 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.013 | 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".