Catégories et frontières. Le recensement et la construction sociale, politique et scientifique des groupes ethnolinguistiques au Canada
Bibliographic record
Abstract
L’objectif de cet article est de montrer que l’utilisation et l’analyse des données sur la langue à partir du recensement canadien par les acteurs scientifiques et politiques se sont faites la plupart du temps selon une perspective fondée sur l’ethnicité et l’origine des ancêtres. Cette perspective « ethnicisante » a grandement contribué à la construction sociale, politique et scientifique des groupes linguistiques, au Québec en particulier, ainsi qu’à une consolidation de leurs frontières. L’article établit de quelle façon, grâce aux données linguistiques et au champ disciplinaire de la démolinguistique, se sont opérés les processus de définition et de catégorisation des principaux groupes linguistiques que l’on connaît aujourd’hui. En raison de l’évolution importante de la composition ethnoculturelle de la population au cours des quarante dernières années, l’article montre qu’il est nécessaire de revoir le paradigme traditionnel ethnicisant des groupes linguistiques et de faire une place importante à un nouveau paradigme centré sur la langue et sur une mesure inclusive de la diversité des identités et des pratiques linguistiques multiples.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.006 | 0.014 |
| Science and technology studies | 0.012 | 0.028 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 0.000 |
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".