Sparring with femininity: an urban ethnography of mixed gender/martial arts youth programming
Bibliographic record
Abstract
Cette ethnographie critique explore comment un groupe de jeunes femmes en milieu urbain a négocié sa place dans un programme de sport au service du développement axé autour d’un passe-temps traditionnellement masculin: les arts martiaux mixtes (MMA). Cette ethnographie s’est principalement déroulée dans un centre de jeunes situé dans un quartier central de Montréal, un quartier historiquement considéré à faible revenu. Le centre de jeunes offre une programmation parascolaire gratuite aux jeunes âgés de 11 à 18ans. Mon analyse s’accroît de la littérature des domaines de la sociologie du sport et du sport au service du développement, en élaborant sur quatre thèmes principaux: 1) La supposition fautive de la ‘femme fragile’, que j’ai défié en démontrant comment les participantes du programme d’arts martiaux mixtes ont résisté des stéréotypes résiduels qui jugent la jeune femme comme étant ‘trop délicate’ pour participer à des défis exigeants physiquement; 2) Le cliché de ‘femme désintéressée’, que j’ai dénoncé en illuminant la passion et la ténacité des jeunes femmes participant; 3) ‘La multitude d’artistes d’arts martiaux’, un thème à travers lequel j’ai aperçu comment les MMA pouvaient agir comme moteur pour inspirer et soutenir une grande variété d’idées novatrices au-delà du sport en soi; 4) Le ‘facteur de genre dans les pratiques d’auto-défense’, un thème qui discute comment les réalités vécues par les jeunes racisés/non-blanches dans le quartier (ex: le profilage et la marginalisation)—des réalités parfois associées au genre—sont reflétées dans la façon dont le programme enseigné. Or, cette thèse soulève d’importantes questions quant au rôle(s) qu’occupe ce programme MMA dans les vies des jeunes femmes. Les questions soulevées par cette thèse avancent notre réflexion sur les dynamiques de genre ancrées dans des programmes de sport au service du développement ainsi que sur les tensions évoquées par un groupe de jeunes femmes artistes martiaux mixtes en lien avec leur identité de genre et de leur identité raciale
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 | 0.003 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.015 | 0.010 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 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".