« Quand j’ai découvert Misty sur YouTube, c’était la révélation. » Identification, revendication et pratiques des réseaux sociaux par les danseuses et danseurs classiques en petite couronne parisienne
Bibliographic record
Abstract
À partir d’une recherche doctorale sur les espaces de la danse classique en petite couronne parisienne, cet article analyse la place et le sens des réseaux sociaux dans le quotidien de danseur·euse·s, âgé·e·s de 12 à 25 ans. Il s’agira de montrer comment ces jeunes enquêté·e·s se saisissent des plateformes en ligne pour affirmer leur identité de groupe, mais aussi pour construire leurs projections professionnelles dans le monde de la danse en dehors de la région parisienne. L’article interroge les réseaux sociaux comme des outils complexes, permettant autant de diffuser que de déplacer les normes de corps, de genre et de race en vigueur dans la danse classique. C’est en ligne que certain·e·s enquêté·e·s revendiquent une visibilité, notamment les danseuses et danseurs noir·e·s et métis·ses qui s’éloignent des normes de blanchité dominantes dans cet univers. Dans un dernier temps, l’article analyse la façon dont les jeunes artistes racisé·e·s trouvent des modèles d’identification (role model) sur les réseaux sociaux, au sein d’un champ de pratiques où leur présence reste minoritaire.
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 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.012 | 0.004 |
| Scholarly communication | 0.009 | 0.011 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.025 | 0.006 |
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".