Bibliographic record
Abstract
La réflexion sur les injustices épistémiques occupe désormais une place à part entière dans le champ des inégalités sociales. Ces injustices peuvent être vécues au quotidien dans les interactions sociales, les rapports avec les institutions publiques ou encore dans les dispositifs de participation citoyenne, tout comme elles peuvent être générées et vécues au sein même du processus de recherche. Leur analyse ne serait pas complète sans la mise en lumière des expériences et savoirs situés de groupes minoritaires et des actions individuelles, institutionnelles et citoyennes visant à les réduire. Comprendre et réduire les injustices épistémiques invitent ainsi d’emblée à décloisonner les registres discursifs et disciplinaires et à mêler les préoccupations sur le vivre ensemble et sur la production de la recherche.Né d’un colloque tenu à Namur en 2019, ce livre propose des réflexions et des analyses sur ces enjeux de la part de 54 auteurs et autrices de sept pays. Études empiriques, discussions théoriques et analyses réflexives s’entrecroisent pour permettre une réflexion collective multidisciplinaire sur les mécanismes producteurs des injustices épistémiques et les moyens de les enrayer.
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 | 0.004 | 0.007 |
| 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 | 0.018 |
| Scholarly communication | 0.013 | 0.009 |
| Open science | 0.001 | 0.010 |
| Research integrity | 0.002 | 0.007 |
| Insufficient payload (model declined to judge) | 0.030 | 0.008 |
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".