Ethnographie en période de pandémie et mobilisation des Coronavirus Makers à Barcelone : Le fleurissement des solidarités impromptues
Bibliographic record
Abstract
À la lisière des mondes habitables surgissent des solidarités impromptues qui restaurent la potentialité d’une humanité tissée serrée, même lorsque celle-ci ne tient plus qu’à un fil. Cet article est le récit personnel et cocasse d’une ethnographie à Barcelone où rien ne se passe comme prévu, notamment à cause d’une pandémie qui change fondamentalement la nature des rapports sociaux. Dans ce chaos, le mouvement maker qui constitue mon objet de recherche a pris un virage spectaculaire utilisant ses imprimantes 3D et ses aptitudes à l’organisation collective et solidaire pour fabriquer et distribuer les équipements de protection individuelle devenus introuvables. À partir d’entrevues et d’observations, mais aussi d’articles et de littérature grise, j’analyse la manière dont les Coronavirus Makers ont déployé tant leur pouvoir d’agir qu’une mise en récit de l’utilité sociale de leurs actions, soudainement très médiatisées. Ainsi, dans les interstices d’une économie bousculée, s’entrevoyaient les possibilités d’une relocalisation de la production basée sur la fabrication numérique, sur l’économie circulaire et sur des villes productives. Néanmoins, en dépit de la flamboyance de l’épiphanie maker, les limites de l’affranchissement des chaînes de production et d’approvisionnement globales demeurent encore bien réelles.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.006 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.000 |
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".