Incarner l'invisible : analyse des ancrages sociaux et territoriaux de personnes lesboqueer et racisées à Montréal
Bibliographic record
Abstract
Ce mémoire de maîtrise porte sur une expérience doublement minoritaire, celle d’être lesbienne, queer, bisexuelle ou pansexuelle et une personne racisée. Cette recherche aborde l’appropriation spatiale et les espaces de sociabilité de personnes au croisement de ces deux identités. Une méthodologie qualitative a été utilisée pour aborder cette question, l’analyse ayant été menée à partir de 10 entrevues avec des participantes s’identifiant aux communautés lesboqueer et au statut de minorité visible. Les participantes devaient résider dans le Grand Montréal et être en mesure de s’exprimer en français ou en anglais. Cette recherche amène un regard intersectionnel aux questions des processus de territorialisation des communautés. Il permet également d’apporter un regard sur l’expérience d’être une personne racisée au sein des espaces de sociabilité lesboqueer grand public. Inscrit dans une perspective phénoménologique, ce mémoire part du vécu individuel des participantes pour analyser la façon dont leurs identités personnelles se projettent sur le territoire. Les résultats pointent vers un impact important de la gentrification sur la dispersion résidentielle des communautés, à l’extérieurs des quartiers typiquement identifiés comme des lieux de sociabilité pour les communautés LGBTQ+. Une difficulté à intégrer des identités souvent perçues comme mutuellement exclusives souligne également l’importance d’analyser l’occupation des communautés dans l’espace urbain sous une lentille intersectionnelle. Les résultats reflètent une difficulté pour les communautés lesboqueer racisées à trouver des lieux de sociabilité ouverts à la diversité sexuelle et sécurisants du point de vue de leurs autres identités.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.015 | 0.009 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 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".