La controverse de Didier Raoult et de sa proposition thérapeutique contre la COVID-19 sur Twitter : analyse de réseaux et de discours
Notice bibliographique
Résumé
Nous proposons de retracer et d’analyser à la fois les réseaux d’acteurs et les discours mobilisés dans la controverse autour de Didier Raoult et de sa proposition thérapeutique contre la COVID-19 sur le réseau Twitter. Pour vérifier la validité de nos hypothèses, nous mettons en œuvre une méthode de recherche sophistiquée et innovante qui consiste à appliquer sur un corpus de 1,2 million de tweets une analyse de réseaux combinée à une analyse lexicométrique. Nos résultats montrent que les pics de production étaient liés à des évènements médiatiques importants. Par ailleurs, un grand nombre de groupes se sont agglomérés autour des comptes de médias et de figures politiques qui ont reçu de nombreuses mentions. Les groupes de supporteurs de Trump et de Bolsonaro se sont connectés avec les pro-Raoult francophones. Les messages des pro-Raoult constituent une critique de l’économie politique du libéralisme et de ses impasses et pas simplement un complotisme antiscience.
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 | 0,025 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,007 | 0,016 |
| Communication savante | 0,011 | 0,011 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».