Covid-19 : une crise sous l’emprise des réseaux sociaux
Notice bibliographique
Résumé
« La Covid-19 est la première pandémie de l’histoire dans laquelle les réseaux sociaux sont utilisés. » C’est le constat que dresse d’emblée le Dr Sylvie C. Briand, lorsqu’elle observe la façon dont le grand public a été informé depuis le premier cas de coronavirus recensé à Wuhan, en Chine, le 1 er décembre 2019. Directrice du département gestion des risques infectieux de l’Organisation mondiale de la santé (OMS), elle s’exprimait le 24 novembre 2020 lors de la conférence « Quand l’infodémie santé s’invite dans le débat » 1 . Twitter, Facebook, LinkedIn, Instagram… tous les réseaux sont concernés. Des réseaux dont l’utilisation a battu des records en France, durant le premier confinement. De prime abord, le Dr C. Briand y voit une avancée : les nouvelles technologies permettent une information instantanée et en continu n’importe où dans le monde, ce qui est un progrès. C’est aussi un pas en avant pour informer en temps réel et permettre à chacun de se protéger, de se mettre en sécurité face à un danger sanitaire. Vivre avec un smartphone, c’est disposer d’une agence de presse dans la poche. Mais la médaille a son revers. Ces outils qui permettent d’être connectés à tous, à tout, partout, tout le temps, sont également ceux qui délivrent de fausses informations et autres théories complotistes.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| 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) | 0,009 | 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 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 ».