Guerre en Ukraine : évolution et adaptation des discours médiatiques en Chine
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Dès le début du conflit, les discours sur la guerre en Ukraine sont devenus une arène politique pour la diplomatie chinoise et pour le pouvoir discursif de Pékin dans le monde. En élaborant son discours officiel sur le conflit, Pékin a dû calibrer ses communications en fonction de différents facteurs externes et internes, et mobiliser les différentes stratégies pour les promouvoir. Certes lié à la Russie après de nombreuses années de rapprochement économique et politique avec Moscou, le gouvernement chinois se devait de définir une position. Comment le discours chinois a-t-il cherché à préserver son partenaire russe, sachant qu’il n’y a pas d’alliance formelle entre Moscou et Pékin et que les relations économiques entre la Chine et les Occidentaux sont plus fortes qu’avec la Russie ? Cet article analyse l’évolution de discours médiatique chinois en réalisant une étude qualitative des publications de deux journaux chinois, le Huanqiu Shibao et le Caixin Zhoukan, ainsi qu’en analysant les publications des internautes et des experts chinois sur le site de microblogage Weibo. L’analyse, basée sur une approche qualitative, permet de souligner l’évolution notable du discours officiel chinois sur la guerre en Ukraine depuis le début de l’invasion russe. Cette évolution reflète à la fois la détermination de Pékin de préserver sa neutralité afin de réduire l’impact de la crise sur ses propres ambitions géopolitiques et ses perspectives économiques, et le changement du contexte international entourant la guerre suite à son escalade dans l’espace et dans le temps.
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.
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 | 0,001 | 0,001 |
| 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 | 0,001 |
| 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) | 0,000 | 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 découle