MétaCan
Menu
Back to cohort

Migration et recomposition des identités : le cas des personnes homosexuelles et bisexuelles russes confrontées à la discrimination

2020· dissertation· W7149431976 on OpenAlexaboutno aff
Ekaterina Koksharova

Bibliographic record

Venuenot available
Typedissertation
Language
FieldSocial Sciences
TopicSoviet and Russian History
Canadian institutionsnot available
Fundersnot available
KeywordsIdentity (music)Prejudice (legal term)Face (sociological concept)

Abstract

fetched live from OpenAlex

La thèse porte sur les stratégies et les tactiques d'organisation de la « vie privée » et des identités des personnes homosexuelles et bisexuelles face aux discriminations qui se sont trouvées renforcées en Russie depuis l'adoption récente des lois anti-gays. Les discours hostiles tenus dans les milieux politiques, religieux et médiatiques, ainsi que le comportement violent de groupes extrémistes ont connu une aggravation à la suite de ces réformes. La recherche a pour objectif de suivre les personnes concernées dans leurs trajectoires de manière à saisir comment elles font face à l'interdit et comment elles affrontent la stigmatisation dans leur pays d'origine. De plus, la question de l'émigration est placée au centre de la thèse : elle trouve en effet, un écho croissant depuis les lois de 2012 et 2013, surtout chez les jeunes qui se posent la question de rester ou de partir. En suivant une démarche qualitative et comparative, il s'agit, d'une part, d'analyser les stratégies de résistance ou de contournement de la loi par ceux et celles qui vivent en Russie ; d'autre part, d'étudier le cas des personnes qui émigrent soit en France, soit au Canada. On recherche quelles stratégies sont déployées pour s'installer à l'étranger et pour s'inscrire dans d'autres manières de voir l'homosexualité et la bisexualité ; on analyse aussi les obstacles et les différentes formes de stigmatisation rencontrés.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.001
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Science and technology studies, Scholarly communication, Insufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Qualitative · Consensus signal: Qualitative
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.446
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0010.001
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0000.001
Science and technology studies0.0040.001
Scholarly communication0.0010.003
Open science0.0010.000
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0010.000

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.

Opus teacher head0.046
GPT teacher head0.355
Teacher spread0.309 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designQualitative
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2020
Admission routes1
Has abstractyes

Explore more

Same topicSoviet and Russian HistoryFrench-language works237,207