La classification des Autochtones au Canada : une étude des mouvements catégoriels entre le recensement et l’enquête auprès des peuples autochtones de 2006
Bibliographic record
Abstract
Au Canada, la représentativité des catégories officielles de l’autochtonie – Indien de l’Amérique du Nord, Métis et Inuit – est rarement publiquement remise en cause. Ces catégories circulent actuellement comme des désignations de sens commun et par moment, elles sont endossées et revendiquées par certaines personnes et formations sociales autochtones. Pourtant, l’analyse de leur apparition respective montre qu’elles ont une histoire qui remonte à la colonisation de l’Amérique du Nord. Dans ce mémoire, nous allons remettre en cause l’évidence de ces catégories et pour ce faire, nous allons analyser en détail un phénomène qui ébranle leur apparente représentativité. En effet, nous allons comparer les réponses de mêmes répondants autochtones sur deux enquêtes nationales dans lesquelles ils sont invités à répondre aux mêmes questions relatives à leur appartenance autochtone. Cette comparaison va permettre de montrer qu’un peu plus de la moitié des répondants changent leurs déclarations d’une enquête à l’autre. Devant un tel résultat, il est impératif de questionner la validité et la représentativité de ces catégories. Pour mener ce questionnement à terme, nous allons procéder en trois étapes. D’abord, nous allons commencer par une analyse sociohistorique détaillant les carrières respectivement de chacune des catégories de manière à démontrer qu’elles ont été imposées. Cette incursion nous amènera à faire l’analyse de processus comme la stéréotypification, la problématisation et la racialisation. Ensuite, nous allons poursuivre en analysant les forces et faiblesses de recherches similaires à la nôtre. Le phénomène de la mobilité ethnique chez les autochtones sera traité à la fois comme une base empirique et comme un exemple d’interprétations à éviter. Et finalement, en nous référant à la fois aux relations empiriques isolées dans la revue de littérature mais aussi aux ambiguïtés historiques qui habitent les trois catégories, nous allons procéder à l’analyse des données d’enquêtes selon deux méthodes. Une analyse de classification nous permettra d’isoler des profils types de répondants stables et mouvants alors des modèles de régressions multinomiales serviront à associer certaines caractéristiques à ces profils. Au final, au moyen de ce schème analytique, nous pourrons analyser nos données et résultats de manière novatrice.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.007 |
| Science and technology studies | 0.009 | 0.004 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".