Bibliographic record
Abstract
Le documentaire 100% Woman: The Story of Michelle Dumaresq suit les deux premières années de carrière de la vététiste de descente canadienne Michelle Dumaresq. Championne nationale et membre de l’équipe canadienne, sa participation aux compétitions nationales et internationales au début des années 2000 suscite de vives réactions de la part de ses adversaires parce qu’elle est une femme trans. Son histoire est ainsi révélatrice de la controverse que provoque encore aujourd’hui la présence des femmes trans dans les épreuves sportives femmes, accusées de menacer l’équité de la compétition et l’intégrité physique des femmes cis. Engagé aux côtés de Michelle, le documentaire nous immerge dans son quotidien sportif. Il fait d’elle une championne avant tout, s’éloignant ainsi des représentations victimisantes ou exotisantes de la transidentité dans les productions culturelles traditionnelles. À travers diverses interviews (avec Michelle, ses adversaires, les représentants des institutions sportives, etc.), ce film permet d’explorer comment les différents piliers de la controverse se déploient dans l’espace sportif et s’incarnent dans la chair des protagonistes : équité sportive, enjeux juridiques, prégnance des approches biologiques. Face aux violences subies par Michelle, 100% Woman propose un plaidoyer subtil en faveur des droits humains des athlètes trans et montre comment cette sportive est devenue malgré elle un porte-étendard de la cause trans dans le sport.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.035 | 0.016 |
| Scholarly communication | 0.008 | 0.005 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.006 | 0.010 |
| Insufficient payload (model declined to judge) | 0.011 | 0.002 |
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".