MétaCan
Menu
Retour à la cohorte
Enregistrement W4390641211 · doi:10.4000/espacepolitique.11546

Guerre en Ukraine : évolution et adaptation des discours médiatiques en Chine

2023· article· fr· W4390641211 sur OpenAlexaff
Olga Alexeeva, Sijie Ren, Frédèric Lasserre

Notice bibliographique

RevueL’Espace Politique · 2023
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueArctic and Russian Policy Studies
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceArtEthnologySociology

Résumé

récupéré en direct d'OpenAlex

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,068
Score d'incertitude au seuil0,136

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0040,003
Communication savante0,0050,002
Science ouverte0,0000,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,037
Tête enseignante GPT0,362
Écart entre enseignants0,325 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueL’Espace PolitiqueMême sujetArctic and Russian Policy StudiesTravaux en français237 207