Présentation de soi sur une application de rencontre - le cas des hommes gays en mobilité étudiante
Bibliographic record
Abstract
Située dans le champ de recherche des études sur le numérique et la migration, cette étude explore de quelles façons les étudiants étrangers gays se présentent sur une application de rencontre (Grindr) et se forgent une identité intermédiaire entre leur pays d’origine et leur pays d’accueil. L’étude combine une analyse de l’interface de présentation de soi sur Grindr et celle d’entretiens semi-guidés menés auprès d’un échantillon d’étudiants afin de déterminer comment ces individus déclarent qu’ils utilisent les affordances de l’application de rencontre pour projeter et entretenir une présentation de soi en ligne, interagir avec d’autres individus en déployant une gamme d’ajustements identitaires et sémiotiques et se confronter aux regards des autres. Les entextualisations (Jones, 2018) mobilisant des ressources textuelles et visuelles pour construire et entretenir son profil sont examinées afin de mettre au jour quelques-unes des stratégies d’exposition discursive des étudiants et les tensions identitaires que cela peut générer. D’une part, la visualité des applications de rencontres semble inciter les individus gays à se conformer à des normes valorisant la blanchité et la virilité. D’autre part, ces applications contribuent à la socialisation des étudiants étrangers mais les confronte à la dureté des rapports sociaux et à certains comportements de racisation.
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 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.004 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.001 | 0.009 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.046 | 0.007 |
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".