Les routines cognitives de la blancheur : phénoménographie décoloniale autour des représentations émotionnelles sur la race dans la série télévisée Dear White People
Bibliographic record
Abstract
Cette recherche propose d’analyser les dimensions cognitives et émotionnelles du racisme de la blancheur (Fanon, 2011). Plus précisément, elle cherche à documenter l’existence et l’usage de routines cognitives propre à la condition blanche dans sa relation au racisme en contexte occidental. L’un des objectifs principaux de cette thèse est de poser les bases d’une approche postconstructiviste transdisciplinaire capable de saisir les expressions cognitives de la blancheur dans leurs rapports émotionnels et affectifs à la déshumanisation de la noirceur (Ajari, 2022). Cette recherche s’est construite sur la base du parcours analytique et méthodologique suivant : 1) une analyse de contenu des représentations émotionnelles de la race dans la série télévisée américaine Dear White People (Netflix, 2017-2021) ; 2) une analyse phénoménographique décoloniale des résultats de l’analyse de contenu au moyen d’entrevues cognitives semi-dirigées avec huit hommes blancs, hétérosexuels, francophones, se définissant comme politiquement progressistes, et issus de contextes nationaux différents (Québec et France). À travers les croyances culturelles, politiques, historiques et sociales sur la race qui fondent les expériences et les récits émotionnelles et cognitifs de mes participants, il s’agissait de comprendre comment ces derniers négociaient cognitivement leurs rapports à la race. À partir de ces huit entrevues, j’ai essayé de comprendre comment la violence médiatique exprimée contre les populations noires était intégrée, résistée ou refusée sur le plan cognitif par mon groupe de référence. Autrement dit, et pour résumer l’objectif principal de cette thèse, il s’agissait de « comprendre ce qui, chez les blanc·hes et dans leur situation, les pousse à voir les noir·es de manière déformée » (Mills, 2022, p. 101). _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : racisme, ignorance blanche, blancheur, postconstructivisme, suprématie blanche, concepts d’émotion, réalismes affectifs, routines cognitives
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.008 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.003 | 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".