Discours public québécois sur l'affaire du mot en « n » : entre dénonciation d'une insulte raciale et défense des libertés universitaires
Bibliographic record
Abstract
Résumé S'intéressant au débat public québécois concernant l'affaire du mot en « n », survenue en 2020 à l'Université d'Ottawa, cet article vise à déterminer comment les discours de déni du racisme produits par les membres des groupes dominants se maintiennent au sein de l'espace public, malgré les critiques anti-racistes produites par les membres des groupes dominés. En combinant la théorie critique de la race, la théorie de l'injustice et l'ignorance épistémiques et la théorie des actes de discours, cet article propose une analyse critique du discours médiatique québécois sur l'affaire du mot en « n ». Il retrace ainsi les positions dénonçant l'utilisation du mot en « n » comme une insulte raciale et une manifestation du racisme systémique et celles justifiant la nécessité de protéger la liberté universitaire et la liberté d'expression face à une culture de l'annulation menaçant de les censurer. L'analyse du cas québécois révèle que le déni public du racisme reproduit des injustices herméneutiques à l’égard des critiques anti-racistes, particulièrement celles formulées par les communautés noires, et cela à travers un nouveau mécanisme linguistique que je nomme les « déviations illocutoires ».
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 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.023 | 0.020 |
| Scholarly communication | 0.009 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.003 | 0.007 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
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".