La (re)construction d’identités des peidu mama sur et avec les réseaux sociaux : une étude de cas au Canada
Bibliographic record
Abstract
La présente étude s’intéresse à une diaspora de femmes chinoises qui s’est développée en volume et en diversité au cours de la dernière décennie, mais qui reste peu visible dans la recherche scientifique et dans les médias grand public. Ces femmes migrantes, connues sous le nom « peidu mama » (陪读妈妈), accompagnent leur enfant mineur à étudier dans des pays développés réputés pour leur éducation nationale. Située dans les contextes socioculturels de la Chine et du Canada, cette étude vise à explorer la négociation et la (re)construction d’identités des peidu mama sur et avec les réseaux sociaux à l’ère du Web 2.0. S’appuyant sur une analyse thématique des données issues d’entrevues individuelles semi-structurées avec cinq participantes et de leurs contenus numériques sur les réseaux sociaux, cette étude a examiné comment elles s’approprient stratégiquement les affordances des médias sociaux pour produire un soi transnational à travers une mise en récit de leurs expériences de migration. Les résultats démontrent que les participantes ont négocié la féminité traditionnelle associée aux peidu mama, tout en reproduisant certaines normes de genre issues de l’intersection du néolibéralisme et du confucianisme. À travers une coproduction de connaissances entre la chercheuse et les participantes, cette étude cherche à contribuer de nouveaux points de vue aux réflexions sur la migration des femmes à l’ère numérique.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.006 |
| Science and technology studies | 0.024 | 0.011 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 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".