Bibliographic record
Abstract
Alors qu’on associe généralement la peur à des réflexes tels que la fuite, l’inhibition ou la démobilisation lorsqu’il est question de militantisme, cet article examine comment cette émotion peut parfois stimuler l’engagement de militantes féministes. Située au croisement des approches « actionnistes » (Bernard, 2017) des émotions, de la sociologie des mouvements sociaux et de la sociologie féministe, la discussion proposée s’inspire de 87 entretiens semi-dirigés réalisés entre 2006 et 2015 à travers le Québec, et d’une comparaison entre les milieux féministes suisses romands et québécois grâce aux 31 entretiens réalisés en 2018 et 2019 dans ces deux régions. En tenant compte des niveaux macro, méso et micro de l’analyse, l’article interroge les effets contrastés de la peur sur l’engagement féministe selon le positionnement des actrices dans les rapports sociaux de race, de classe et de sexualité, mais aussi selon les origines de la peur (intra ou extra mouvement), son degré d’intensité, ses interactions avec d’autres émotions (dont la colère) et le travail émotionnel (Hochschild, 2012) des féministes interrogées. L’article brosse ainsi un portrait des causes de la peur chez les féministes pour ensuite analyser les séquences émotionnelles les plus récurrentes en vue de mettre en relief diverses combinaisons émotionnelles et leurs effets sur l’engagement des féministes.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.018 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.016 | 0.002 |
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".