Les ronds-points de la « France moche », acteurs politiques inattendus d’une mobilisation sociale inédite
Bibliographic record
Abstract
Le rôle joué par les ronds-points dans la mobilisation des Gilets jaunes a été abondamment commenté dans la presse. Peu de travaux en sciences humaines et sociales sont toutefois revenus sur leur fonction éminemment politique comme « terrain » de mobilisation et sur les spécificités socio-spatiales et l’hybridité territoriale dans lesquels ils s’inscrivent. Cet article offre des hypothèses de théorisation pour décrypter ce rôle au travers d’éléments ethnographiques et des philosophies latouriennes et post-matérialistes. Le caractère unique de la mobilisation tient selon nous à l’alliance qui s’est forgée entre manifestants et ronds-points, ronds-points dont nous considérons la vitalité comme agissant, comme « choses-pouvoir », plutôt que comme simples « non-lieux » inertes de la modernité d’après-guerre. Dans le contexte des politiques néolibérales du Président Macron, nous proposons de comprendre la mobilisation des Gilets jaunes comme un affect négatif collectif ayant trouvé dans les ronds-points un terrain d’action stratégique. Nous relisons le déploiement des Gilets jaunes au prisme d’une « géométrie affective » pour souligner les interactions multiformes entre protestataires, matérialités et spatialités des différentes strates territoriales, pour disséquer les sociabilités et le partage d’affects qu’a permis la mobilisation. L’« atmosphère affective » d’empathie, de solidarité et de rébellion ainsi créée a fait des ronds-points de France un espace d’émergence de nouvelles formes d’organisation collective démocratiques.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.015 |
| Scholarly communication | 0.008 | 0.005 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| 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".