Convaincre le lecteur de s’engager dans un projet de transformation corporelle : analyses croisées des techniques argumentaires mobilisées par les concepteurs de trois méthodes de culture physique
Notice bibliographique
Résumé
Au sein du champ concurrentiel de la culture physique, le promoteur d’une nouvelle méthode, désireux de convaincre ses lecteurs d’en devenir des pratiquants assidus, se doit de mobiliser une diversité de techniques visant à en démontrer, non seulement la validité intrinsèque, mais aussi la supériorité. À partir d’une analyse comparative des écrits de Greg Glassman (fondateur du CrossFit ), de Pavel Tsatsouline (leader de StrongFirst ) et d’Olivier Lafay (créateur de La Méthode éponyme), ont pu être mises en évidence trois visées principales de l’argumentation. En premier lieu, celle-ci vise à « faire comprendre » les préceptes fondamentaux du programme. Mais, comprendre ne signifie pas ipso facto accepter ; des tactiques rhétoriques ont ainsi pu être repérées, cherchant spécifiquement à « faire adhérer » et, enfin, à « faire agir » le lecteur, en l’incitant à s’engager dans un projet durable de transformation corporelle. En confrontant les stratégies des trois concepteurs, se dégage un « genre argumentaire » typique du champ de la culture physique, lequel s’actualise toutefois dans des « styles rhétoriques singuliers », propres à chaque auteur.
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 | 0,032 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,008 | 0,029 |
| Communication savante | 0,016 | 0,013 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».