À bien y penser : l’effet du visionnement répété de vidéos sur l’opinion relativement à une intervention policière controversée
Notice bibliographique
Résumé
La multiplication des appareils captant des images de la vie quotidienne permet maintenant de visionner et revisionner ce dont on n’entendait que parler par le passé. L’intervention policière est un bon exemple : lorsque disponible, l’enregistrement des interventions controversées est présenté à répétition, scruté à la loupe et commenté par une foule nombreuse et diverse. Une recherche exhaustive n’a toutefois pas permis de trouver d’études empiriques portant spécifiquement sur l’effet du visionnement répété sur l’opinion relativement à une intervention policière. Se basant sur la recherche existante sur d’autres objets, le présent article vise à tester l’effet du visionnement répété sur l’opinion quant à une intervention policière avec emploi de la force, le genre d’enregistrement susceptible d’attirer l’attention des médias et donc d’être vu par le grand public, et de générer des commentaires polarisés et polarisants. Deux enregistrements ont été présentés deux fois à 78 étudiants universitaires, à une semaine d’intervalle, de façon que leurs réponses puissent être liées. Les résultats laissent fortement entendre que le visionnement répété d’une vidéo a un effet sur l’opinion qu’on s’en fait : les participants avaient une opinion plus favorable envers l’intervention à la suite du deuxième visionnement.
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 | 0,019 | 0,095 |
| 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 | 0,003 | 0,004 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 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; 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 ».