MétaCan
Menu
Back to cohort
Record W7001859055

Le roller derby à Québec : un espace de subversion des hétéronormes de genre

2022· other· fr· W7001859055 on OpenAlexaboutno aff

Bibliographic record

Venuenot available
Typeother
Languagefr
FieldComputer Science
TopicBig Data and Digital Economy
Canadian institutionsnot available
Fundersnot available
KeywordsSubversionPoison control
DOInot available

Abstract

fetched live from OpenAlex

À travers une lunette théorique, méthodologique et épistémologique queer, ce mémoire identifie et discute les pratiques de subversion des hétéronormes de genre dans la ligue Roller Derby Québec (RDQ). En plus d'une revue de la littérature sur le roller derby, une période d'observation participante et neuf entrevues semi-dirigées avec des joueuses de la ligue de roller derby de Québec ont permis d'identifier la ligue comme un espace inclusif et sécuritaire pour des personnes se sentant en marge, notamment sur le plan du genre, de l'expression de genre et de l'orientation sexuelle. Il ressort de l'analyse que la ligue développe des pratiques afin d'inclure des personnes habituellement invisibilisées dans les sports de contact compétitifs, comme les personnes trans*, enceintes et celles considérées trop âgées pour pratiquer une telle activité. Malgré les efforts investis par la ligue et ses membres, les entretiens révèlent des zones d'ombres dans ces pratiques inclusives qui seraient en partie dues, selon les joueuses rencontrées, à un manque de connaissances sur les réalités des personnes concernées. Les joueuses identifient aussi RDQ comme un espace où elles « se sentent à leur place », et où elles peuvent être « elles-mêmes ». La ligue est alors un lieu où elles développent de nouvelles pratiques et connaissances, dans un espace ouvert au partage et à la fluidité.

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 imitation

Not 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.

metaresearch head score (Codex)0.006
metaresearch head score (Gemma)0.009
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Qualitative · Consensus signal: Qualitative
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.059
Threshold uncertainty score0.429

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0060.009
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0020.004
Science and technology studies0.0150.020
Scholarly communication0.0070.005
Open science0.0020.004
Research integrity0.0010.003
Insufficient payload (model declined to judge)0.0110.000

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.

Opus teacher head0.018
GPT teacher head0.203
Teacher spread0.185 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designQualitative
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2022
Admission routes1
Has abstractyes

Explore more

Same topicBig Data and Digital EconomyFrench-language works237,207