Der Einfluss der Black Lives Matter-Bewegung auf die frankophone Toponymie
Bibliographic record
Abstract
Die insbesondere seit 2020 international wirksame Black Lives Matter-Bewegung konnte ohne Zweifel eine kritische Reflexion über rassistische Begebenheiten anregen. Doch nicht nur politisch motivierter Rassismus oder alltägliche rassistische Handlungen stehen im Fokus der Black Lives Matter-Bewegung, sondern auch die sprachliche Manifestierung von Rassismus. Aus onomastischer Perspektive ist nun die Tatsache interessant, dass immer mehr Ortsnamen in den Mittelpunkt der kritischen Debatte rücken. Es handelt sich hierbei um Namen, deren Signifikant für viele Rezipient:innen eine rassistische Konnotation aufweist. Als Beispiele seien der Brüsseler Tunnelname Leopold II Tunnel, der senegalesische Verkehrsplatzname Place de l’Europe oder das Québecer Hydronym Rivière du Nègre genannt. Wie die toponymischen Beispiele verdeutlichen, wird die rassistisch empfundene konnotative Bedeutung über die an die europäische Kolonialzeit assoziierten Namenbestandteile oder über die Transparenz von bestimmten Lexemen wie z.B. nègre transportiert. Der vorliegende Beitrag setzt sich zum Ziel, eine erste Bestandsaufnahme zur Debatte über rassistisch konnotierte Toponyme in frankophonen Räumen zu präsentieren. Im Mittelpunkt der Darstellungen sollen zunächst die als rassistisch empfundenen Ortsnamen identifiziert werden. Im Anschluss daran werden erfolgte und in der Diskussion stehende Umbenennungsprozesse in der europäischen und außereuropäischen Frankophonie beschrieben. Hierzu werden Fallbeispiele aus Kanada/Québec, Belgien, Frankreich, aus dem Senegal und aus der Côte d’Ivoire berücksichtigt.
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 | 0.005 | 0.020 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.004 | 0.004 |
| Scholarly communication | 0.011 | 0.010 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.047 | 0.004 |
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".