Participation des contre-publics minoritaires et médias socionumérique
Notice bibliographique
Résumé
Cet article examine les débats sur l’aide médicale à mourir au Canada tels qu’ils ont pris forme sur Twitter dans la foulée de l’adoption de la loi encadrant la pratique, en juin 2016. Divers groupes se sont farouchement opposés au projet de loi, qu’il s’agisse de groupes religieux, d’experts, de politiciens ou de citoyens, ce qui a mené à une polarisation des débats liée à l’acceptabilité sociale de celui-ci. Notre analyse montre que des groupes minoritaires – généralement peu présents dans l’espace public lors de débats soulevant des enjeux d’acceptabilité sociale tel que les associations de patients, les groupes religieux ou les groupes de femmes – et les « citoyens ordinaires », loin de laisser le débat aux mains des experts et des politiciens, se sont engagés dans les échanges prenant forme sur Twitter, se sentant légitimes d’y prendre part sur la base de considérations morales et éthiques. Globalement, il ressort que Twitter a été utilisé à la fois comme canal d’expression des opinions et comme un moyen de partager de l’information, complémentant, de ce fait, le rôle des médias traditionnels. On peut ainsi avancer que la plateforme a permis ce qu’on associe à une « participation politique ambiante », où ceux qui ont suivi #BillC14 ont été exposés à des informations, des opinions, des idées et des faits qui ont peut-être affecté leur perception de l’acceptabilité sociale de cette loi.
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 | 0,000 | 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 | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 tête enseignante, 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 ».