« Racisme sytémique » et ses usages institutionnels : une analyse des discours des institutions politiques et publiques québécoises et canadiennes
Bibliographic record
Abstract
Au Québec, le syntagme racisme systémique est très présent dans les discours médiatiques des dernières années, alors qu’il s’est retrouvé au cœur d’une polémique métalangagière où il s’est vu remis en question et commenté, notamment en raison de la non-reconnaissance du caractère systémique du racisme par le gouvernement de François Legault. Dans la foulée des débats ayant eu lieu à ce propos, cet article s’intéresse plus spécifiquement au syntagme racisme systémique dans les discours institutionnels, particulièrement ceux des institutions ayant le pouvoir de légiférer et celles gravitant autour d’elles (gouvernements fédéral et provincial et principaux partis politiques), en plus de celles qui sont directement concernées par les droits de la personne (commissions canadienne et québécoise des droits de la personne). Le syntagme racisme systémique n’a pas fait son entrée officielle dans la loi, mais il est de plus en plus présent dans les discours institutionnels. Dans un cadre d’analyse du discours, il s’agit plus particulièrement d’analyser la façon dont il y est employé pour voir s’il est accepté et utilisé comme tel, reconnaissant par le fait même la réalité du racisme systémique, ou, d’un autre côté, commenté ou remis en question, participant ainsi au débat à son propos.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.005 |
| Science and technology studies | 0.011 | 0.010 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.008 | 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".