Drague et sexualité dans les lieux publics : une recherche exploratoire en travail social sur le phénomène du cruising au Québec
Bibliographic record
Abstract
La drague et la sexualité entre hommes dans les lieux publics extérieurs, communément appelées le cruising, représentent un phénomène qui s’inscrit dans le paysage social et politique du Québec depuis la fin du 19e siècle. Plusieurs auteurs font un lien entre le cruising et l’émergence de la communauté gaie ainsi que l’identité politique homosexuelle. Si la numérisation des pratiques de cruising ainsi que les mesures sanitaires draconiennes imposées durant la pandémie annonçaient pour certains la fin de la pratique, on constate aujourd’hui que la cruise est toujours bien vivante à travers l’ensemble du territoire étudié. Ce mémoire cherche à comprendre de quelle manière l’utilisation queer de lieux publics extérieurs permet aux hommes et aux personnes queers pratiquant la drague de renforcer collectivement et politiquement leurs capacités d’agir. Cette recherche est qualitative, inductive et exploratoire. Des entretiens semi-dirigés ont été conduits auprès de 9 personnes pratiquant ou ayant pratiqué la drague au Québec. L’analyse thématique est mobilisée dans l’examen des données. Les données présentées retracent le point de vue des personnes participantes quant à leur expérience de la drague et des réglementations qui l’entourent. Les motivations et les bénéfices de la drague dans leur vie sont également explorés. Le dispositif de la sexualité de Foucault, la théorie radicale de la sexualité de Gayle Rubin et la phénoménologie queer de Sara Ahmed servent ensuite de point d’ancrage théorique dans l’examen des données présentées. L’analyse décortique les dynamiques d’oppression et d’empouvoirement individuel et collectif ayant cours dans le milieu de la cruise. Elle nuance les idées reçues sur la pratique de la drague comme étant une activité foncièrement négative; l’oppression liée à la sexualité ayant de multiples origines, les moyens entrepris pour s’en affranchir sont aussi variés qu’originaux. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : drague, cruise, cruising, sexualité, sexualité en public, empowerment, oppression, hommes, queer, travail social, morale sexuelle, Québec
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) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.020 | 0.015 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.008 | 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".