L’évolution de la ghettoïsation en France, le passage des ghettos classiques vers des ghettos à l’ère des réseaux sociaux: le cas des immigrants marocains installés en France
Bibliographic record
Abstract
Suite à l’émergence du digital, les ghettos classiques ont connu une extension dans ce nouvel espace. Les réseaux sociaux ont créé un endroit adéquat pour la construction de « ghetto numérique » à travers la création des groupes Facebook où les abonnés peuvent interagir dans un espace majoritairement homogène au niveau de la culture et des traditions, aidant à maintenir des liens culturels avec leur mère patrie, chose qui peut mettre en question leur intégration socioculturelle au sein de leur société d’installation. Notre étude opte pour une approche qualitative basée sur l’analyse secondaire d’une étude réalisée par Sabrina Marchandise sous le thème de : « Investir le web social des étudiants marocains en mobilité internationale. Une méthode imposée par le terrain », l’analyse et l’interprétation des résultats obtenus donnent une idée sur l’usage de Facebook par les étudiants marocains résidant en France. Cet article vise principalement à répondre à la question centrale de notre étude : Dans quelle mesure les réseaux sociaux contribuent-ils à la construction d’une nouvelle version des ghettos à l’ère du digital chez les Marocains de France, et quel est son impact sur leur intégration au sein du pays d’accueil ?
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.014 | 0.010 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.015 | 0.001 |
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".