Bibliographic record
Abstract
Les chemins du jihad sont multiples et se dessinent largement par-delà le processus linéaire de radicalisation propre à la majorité des études sur le sujet à la recherche de causes. Cette contribution raconte les multiples enchevêtrements, allers-retours et bifurcations de ces voies empruntées par des Canadiens, Français et Belges, dont les lignes de fuite ont abouti ou pas à des devenirs-jihad. L’objectif étant de comprendre comment ces acteurs en arrivent à désirer l’engagement jihadiste. Comment en sont-ils affectés et donnent-ils un sens à tout cela ? Un désir aux multiples (re)territorialisations qui, parfois, peut tourner en abolition mortuaire ou pas. En s’inspirant de l’approche rhizomique et schizo-analytique de Deleuze et Guattari, ce texte décrit les agencements de lignes qui traversent le champ social et les acteurs en une chorégraphie de ruptures, de bifurcations, d’enchevêtrements, de sauts, de dé-re-territorialisations, d’arrêts, etc., à partir de 25 récits de vie. Une cartographie des lignes molaires, souples et de fuite ainsi que des intensités (affects) ; des agencements machinés, des machines sociales, abstraites, désirantes, de guerre, faisant apparaître les multiples possibilités d’existence… toute une machine-jihad.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.004 | 0.006 |
| Scholarly communication | 0.007 | 0.007 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.083 | 0.024 |
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".