Saisir l’interrelation des technologies numériques et de la musique dans l’expérience migratoire : les parcours de personnes immigrantes maghrébines au Québec
Bibliographic record
Abstract
Cet article traite de l’interrelation des technologies numériques et de la musique dans la vie de personnes immigrantes. Il s’inscrit de la sorte dans le prolongement des travaux qui discutent du changement de paradigme occasionné par le numérique en matière de migrations humaines comme d’écoute de musique, offrant par ailleurs une combinaison originale des trois notions. La réflexion s’appuie sur une enquête auprès de personnes nées au Maghreb (Algérie, Maroc et Tunisie) et vivant à Montréal (Québec, Canada), dont les écoutes et pratiques liées à la musique ont été appréhendées comme des vecteurs de socialisation et de sociabilités multiples au fil du parcours migratoire. La méthodologie qualitative exploratoire comprend quarante-cinq entretiens semi-dirigés sous forme de récits de vie axés sur la musique, soixante-dix séances d’observation dans des évènements musicaux variés, de même qu’un e-terrain, soit l’observation d’interactions sociomusicales sur diverses plateformes numériques. L’analyse se développe autour des questions suivantes : quel rapport les technologies numériques et la musique entretiennent-elles au fil d’un parcours migratoire ? Dans quelles circonstances et de quelles manières se combinent-elles dans la vie de personnes immigrantes ? Quels usages recouvrent-elles et quelles en sont les appropriations proprement immigrantes ? Les données révèlent comment les technologies numériques et la musique se combinent et s’alimentent dans le renouvellement de leurs usages, pratiques et symboliques, en contexte immigrant. Par leur interrelation, elles sous-tendent des interactions sociales et musicales multisituées, donnant lieu à une forme de « pluri-ancrage », sociomusical et géoculturel, chez les personnes immigrantes rencontrées à Montréal. Ce faisant, les technologies numériques et la musique se combinent pour actualiser une « diversité culturelle » vécue au quotidien, diversité par ailleurs déjà intrinsèque aux parcours de vie de ces personnes maghrébines dans l’espace francophone.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.009 | 0.007 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 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".