Notice bibliographique
Résumé
Post-truth tells the story of a public descending into unreason, aided and abetted by platforms and other data-driven systems. But this apparent collapse of epistemic consensus is, I argue, also dominated by loud and aggressive commitment to the idea of facts and Reason – a site where an imagined modern past is being pillaged for vestigial legitimacy. This article identifies two common practices of such reappropriation and mythologisation. (1) Fact signalling involves performative invocations of facts and Reason, which are then weaponised to discredit communicative rivals and establish affective solidarity. This is often closely tied to (2) fact nostalgia: the cultivation of an imagined past when ‘facts were facts’ and we, the good liberal subjects, could recognise facts when we saw them. Both tendencies are underwritten by a myth of connection: the still enduring narrative that maximising the circulation of information regardless of provenance or meaning will eventually yield a more rational public – even as data-driven systems tend to undermine the very conditions for such a public. Drawing on examples from YouTube-amplified ‘alternative influencers’ in the American right, and the normative discourses around fact-checking practices, I argue that this continued reliance on the vestigial authority of the modern past is a pernicious obstacle in normative debates around data-driven publics, keeping us stuck on the same dead-end scripts of heroically suspicious individuals and ignorant, irrational masses.
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 | 0,024 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,014 | 0,126 |
| Communication savante | 0,027 | 0,041 |
| Science ouverte | 0,002 | 0,014 |
| Intégrité de la recherche | 0,010 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».