Au nom d’une justice épistémique : l’implication bénévole et citoyenne dans les organismes communautaires au Québec
Bibliographic record
Abstract
Les organismes communautaires visent à promouvoir la justice sociale et environnementale, mais ils peuvent également perpétuer l’injustice au sein de leurs instances participatives et décisionnelles. Pour comprendre ce paradoxe, nous avons analysé les témoignages de 21 bénévoles et citoyen.nes impliqué.es dans des organismes communautaires au Québec. Un tiers de ces participant.es, issu.es de groupes minorisés, a décrit des expériences d’injustice épistémique, qui se manifeste lorsque leurs témoignages et leurs connaissances sont ignorés en raison de préjugés envers leurs groupes d’affiliation. Bien que subtile en apparence, l’injustice épistémique se produit dans leurs interactions quotidiennes avec leurs pairs, entravant ainsi leurs implications bénévoles et citoyennes au sein de ces organismes communautaires. Nous argumentons que l’injustice épistémique a des répercussions néfastes non seulement sur la reconnaissance des contributions des bénévoles et des citoyen.nes, mais aussi sur leur recrutement, leur participation et leur engagement durable au sein de ces organismes. Pour ce faire, nous menons une analyse interactionnelle et intersectionnelle sous l’angle de la communication organisationnelle, afin d’étudier comment les bénévoles et les citoyen.nes sont profondément affecté.es lorsqu’ils et elles sont différencié.es par les autres membres durant les interactions, ce qui conduit à un manque de reconnaissance de leurs témoignages et de leurs contributions au sein de ces organismes. Cette approche nous permet de comprendre que l’injustice épistémique est un processus de communication qui nuit à l’implication des bénévoles et des citoyen.es dans les organismes communautaires, offrant ainsi des pistes de solutions concrètes pour promouvoir une justice sociale et épistémique.
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 | 0.003 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.017 | 0.021 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.006 | 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".