#Flygskam : le pouvoir de la honte de prendre l’avion pour gouverner le changement climatique
Bibliographic record
Abstract
Le terme suédois flygskam (avion-honte) désigne la honte de prendre l’avion à cause de sa contribution au changement climatique. À partir de 2018, cette honte s’est largement répandue sur les réseaux sociaux (#flygskam) jusqu’à constituer un mouvement de remise en question du transport aérien. Comment cette honte a-t-elle été suscitée, relativisée, reconvertie et quelles ont été ses conséquences politiques ? En analysant qualitativement les récits de honte partagés sur Instagram, l’article montre comment les voyageurs construisent leur expérience de la honte, et y réagissent. Dans la lignée des travaux de la sociologie des émotions, l’article appréhende la honte comme une émotion régulée pour répondre à certaines normes sociales qui définissent les émotions à ressentir et à exprimer selon les situations (règles de sentiment), et qui exigent, parfois, un travail émotionnel d’adaptation. Les voyageurs sensibilisés à l’environnement se conforment ainsi à une nouvelle règle émotionnelle de la honte de prendre l’avion, et ceux qui ne respectent pas cette règle peuvent être ciblés par des campagnes de honte. Pour conjuguer la honte prescrite par la règle de sentiment et le plaisir associé aux trajets aériens, certains voyageurs conduisent un travail émotionnel et se déculpabilisent en compensant les émissions générées par leurs voyages en avion. Enfin, la honte est reconvertie en fierté de voyager en train et donne lieu à l’instauration d’une nouvelle règle émotionnelle. En définitive, l’article montre comment la honte articule les conduites individuelles et collectives par l’établissement de nouvelles normes.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.006 | 0.004 |
| Scholarly communication | 0.004 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.021 | 0.003 |
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".