Histoires d’identités, de guerres, d’immigrations et de traumas transgénérationnels
Bibliographic record
Abstract
Si l’immigration peut correspondre à une quête face à des vécus potentiellement traumatiques qui ont lacéré le lien de la personne à son pays d’origine, le besoin d’intégration, de conformité, d’adhésion au pays d’accueil que je relevais chez différents patients en thérapie, originaires du Liban, de la Syrie et de pays d’Afrique du Nord, a été aussitôt catapulté et remis en question par l’éclatement de la guerre au Proche-Orient, en octobre 2023. Le « chaos psychique », « leur monde désormais troué par l’abîme traumatique » (Saglio-Yatzimirsky, 2023, p. 40-41) engendré par la guerre qui frappe les leurs a provoqué en eux une sorte de rupture du lien social avec des amis, des collègues, des professeurs d’université vécus alors comme insensibles, qualifiés de « blancs », dans un monde devenu extrêmement polarisé, binaire, pulsionnel. Les « identités meurtrières » (Maalouf, 1998), les personnes et lieux menacés d’effacement (Altounian, 2019) seraient venus réactiver, de part et d’autre, des traumatismes transgénérationnels, individuels et collectifs, d’histoires de guerres, d’occupations, d’Holocauste, de massacres, de Nakba et de déplacements de populations qui ont marqué les xx e et xxi e siècles. L’article examine aussi l’importance du processus psychanalytique dans l’accompagnement des traumatismes enkystés dans les vécus individuels et collectifs.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.009 | 0.029 |
| Scholarly communication | 0.005 | 0.005 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.006 | 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".