Bibliographic record
Abstract
À la frontière de Melilla, le massacre du 24 juin 2022, perpétré par des forces marocaines et espagnoles, a provoqué la mort d’au moins 27 personnes et la disparition de plus de 70 autres, a fait plusieurs centaines de blessés et au moins 100 prisonniers. Pour tenter de comprendre ces évènements qui s’ancrent dans un continuum de violences antimigratoires qui perdure en toute impunité depuis deux décennies, il faut replacer cette frontière dans sa matrice raciale et décrypter les rapports de genre en jeu. Se basant sur un long travail ethnographique mené entre 2015 et 2017, et sur une contre-enquête collective réalisée en 2023, le présent article dissèque la violence sous le prisme des rapports de race et de genre. Cette approche permet de comprendre que la reproduction constante de masculinités guerrières autour de la frontière, pour la défendre ou protester contre elle, a fait augmenter, année après année, l’intensité de la violence envers les migrants Noirs jusqu’à aujourd’hui. Cet affrontement perpétuel de masculinités militarisées à la frontière, engendré par les politiques migratoires européennes, espagnoles, et leur externalisation au Maroc, a renforcé un ordre raciste qui, inéluctablement, continue de semer la mort sans parvenir à étouffer complètement les résistances.
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 | 0.001 | 0.003 |
| 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 | 0.003 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.019 | 0.003 |
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".