Posivotes, recommandations et autres «j'aime» : les heuristiques numériques d'acceptabilité sociale comme vecteur d'homogénéisation en contexte délibératif
Notice bibliographique
Résumé
Résumé Mobilisant un sondage avec un devis expérimental, cet article cherche à comprendre l'effet que peuvent avoir les heuristiques numériques d'acceptabilité sociale sur la capacité de convaincre. L'expérience expose les répondants à un article de nouvelle sur les réfugiés syriens et irakiens et, selon le traitement, à un fil de discussion comprenant différentes heuristiques numériques d'acceptabilité sociale. L’étude démontre que la présence d'un fil de discussion modifie l'effet à court terme que peut avoir l'article d'actualité initial et démontre également et surtout la façon dont les heuristiques numériques d'acceptabilité sociale ont un effet d'amplification sur la capacité de convaincre et les émotions évoquées par les commentaires. Chaque unité d'heuristique ou chaque recommandation n'augmente pas nécessairement d'autant le pouvoir de convaincre des commentaires associés et, pour les commentaires que les individus ne sont pas prédisposés à appuyer, servent plutôt à consolider les attitudes préexistantes et à polariser.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,028 | 0,062 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,023 |
| Communication savante | 0,013 | 0,010 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».