Bibliographic record
Abstract
Depuis 2017, le durcissement des politiques migratoires européennes a favorisé l’émergence à Bruxelles de la catégorie des « transmigrant·es » : une population hétérogène, vulnérabilisée par l’errance et exclue des dispositifs institutionnels d’accueil. Fondé sur une enquête ethnographique menée sur le terrain bruxellois, cet article examine la manière dont les politiques migratoires façonnent la notion de transit, imposant aux individus des formes de mobilité contrainte. Nous retraçons l’émergence de cette catégorie migratoire en Belgique, ainsi que les parcours qu’elle englobe en Europe. Cette analyse interroge la catégorie en dévoilant les tensions qui traversent les discours qui la construisent : d’une part l’agentivité perçue comme abusive, et d’autre part, les contraintes étatiques, qui imposent le blocage tout comme le déplacement forcé. Plus qu’une exception logée dans les interstices des politiques migratoires, le transit devient à la fois un produit et un outil de dissuasion et un élément structurant de la réaffirmation de son système de frontières. Loin d’être une problématique exclusive à Bruxelles, elle invite à porter un regard sur la circulation de catégories de migration entre politiques européennes et contextes locaux, où s’imbriquent répression et hospitalité.
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 | 0.001 | 0.002 |
| Science and technology studies | 0.007 | 0.010 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 0.002 |
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".