Communiquer l’action en changements climatiques au Québec
Notice bibliographique
Résumé
Diverses études ont mis en évidence l’importance des actions de communication en matière de changements climatiques pour favoriser l’adoption de comportements préventifs et adaptatifs au sein de la population. L’optimisation de l’efficacité de ces actions passe par une connaissance approfondie du public-cible. C’est ce à quoi sont vouées les études de segmentation, qui permettent d’identifier, parmi l’auditoire, des groupes qui partagent des caractéristiques communes, et de déterminer les meilleures stratégies pour les rejoindre. Il est par ailleurs reconnu que le cadrage de l’information médiatique, notamment en fonction du ton, du thème et du format, influence la manière dont les récepteurs y réagissent sur les plans attitudinal et comportemental. Dans le contexte de la création de Unpointcinq, le premier média web canadien-français voué à promouvoir l’action dans la lutte contre les changements climatiques au Québec, nous avons mené une étude de segmentation par questionnaire auprès d’un échantillon représentatif de 1280 Québécois francophones. Nous avons notamment sondé leur intérêt envers divers thèmes, types d’initiatives (ex. : individuelles, communautaires, gouvernementales) et types de cadres informationnels (ex. : économie, santé) susceptibles d’être couverts par Unpointcinq. Les analyses ont permis d’identifier trois segments qui se différencient principalement en regard de la pertinence perçue du média web et de l’intention de le consulter. La modélisation basée sur une analyse de régression logistique met en exergue les sept principales variables prédictives de l’intérêt global pour le média web chez le segment le plus intéressé.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».