L’opéra, un monde professionnel hanté par les violences de genre
Bibliographic record
Abstract
Le 19 août 2020, la soprano Chloé Briot dénonce dansLa Lettre du Musiciendes agressions sexuelles répétées portées par un collègue chanteur lors de la production de l’opéraL’inondation. Faute d’avoir été entendue et défendue par sa direction, elle annonce encore avoir porté plainte devant la justice française dès le mois de mars de la même année et vouloir ainsi « en finir avec la loi du silence ». Pourquoi l’artiste lyrique n’a-t-elle pas été entendue à plusieurs reprises malgré ses plaintes auprès de ses collègues et de la production ? Dans quelle mesure cette agression sexuelle est-elle symptomatique d’un mode de fonctionnement sexiste plus large du monde de l’opéra français ? Peut-on parler effectivement d’une « loi du silence » dénoncée par la chanteuse ? Si oui, que risquent ceux et celles qui dénonceraient des faits sexistes et des violences sexuelles ? Ces questions ont été au coeur de l’enquête menée en 2020 par questionnaires et par entretiens qualitatifs sur les violences de genre dans le monde de l’opéra français. L’article saisit les conditions sociales de production des violences de genre observées dans ses différentes dimensions sociologiques. Ont ainsi été identifiés les fondements structurels de l’omniprésence des agissements sexistes et sexuels et de leur faible niveau de dénonciation en lien avec un environnement professionnel propice aux violences de genre que constitue le monde de l’opéra français.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.012 | 0.005 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.048 | 0.008 |
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".