Bibliographic record
Abstract
Dans le présent article, nous proposons d’interroger les implications de l’utilisation (ou non) de la formule discursive « racisme systémique » dans une recherche-intervention s’insérant dans une initiative de gestion de la diversité dans une institution financière canadienne. Pour ce faire, nous développons le terme négociation sémantique défini comme un processus transactionnel de mise en relation entre un signifiant et un signifié générant des significations variées et souvent contradictoires et dont le but est d’influencer les interprétations et les cours d’action selon une orientation voulue. En partant du processus de négociation du mandat de recherche, l’article montre que la négociation sémantique est une stratégie menée à la fois par la chercheuse-intervenante et ses partenaires pour arriver à trouver un terrain d’entente permettant la poursuite du projet de recherche-intervention. Les compromis de part et d’autre de même que l’interdiction d’utiliser des termes qui pourraient faire polémique mènent à une forme de neutralisation du racisme systémique, qui renforce la « blanchitude » organisationnelle des programmes de gestion de la diversité.
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 | 0.013 | 0.015 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.007 | 0.043 |
| Scholarly communication | 0.011 | 0.011 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.008 | 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".