Les règles discursives de l’exclusion raciale. Portrait d’un racisme limite pendant les épidémies de tuberculose, d’H1N1, d’Ebola et du Zika
Bibliographic record
Abstract
Des études sur l’altérisation en période d’épidémie montrent une instrumentalisation récurrente d’éclosions de maladies pour reproduire des exclusions raciales. Inspiré par les études du nouveau racisme et appuyé sur l’outil conceptuel du « racisme limite », cet article s’attarde à la normativité argumentative de cette exclusion raciale, en analysant les logiques argumentatives de discours différentialistes et en interrogeant les discours qui sont formulés de façon « acceptable » en tant qu’outils (potentiels) d’exclusion raciale. Nous avons analysé des discours pancanadiens mis en circulation dans des articles de médias (n = 2437), des publications d’autorités sanitaires (n = 533) et des commentaires publiés par des internautes (n = 3441) lors d’éclosions internationales de tuberculose, d’H1N1, d’Ebola et du Zika. Par une analyse rhétorique des cadres, nos résultats montrent que l’exclusion raciale s’opère par trois axes de catégorisation (le risque sanitaire posé par l’appartenance nationale, les attributs et le rapport épistémique), les deux premiers étant objets de critiques et de désapprobation sociale, et le dernier servant d’argument principal pour justifier une exclusion raciale. Nous problématisons cet usage discursif comme l’articulation d’un racisme limite commode dans une atmosphère rhétorique de « crainte de post-vérité ».
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 | 0.010 | 0.021 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.010 | 0.022 |
| Scholarly communication | 0.008 | 0.005 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.003 | 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".