« Je suis pas mal dans l’inconnu, ça fait peur des fois ».Compétences informationnelles et gestion de la désinformation climatique : entre vigilance critique et retenue numérique
Notice bibliographique
Résumé
Cet article examine comment des étudiants postsecondaires francophones perçoivent et mobilisent leurs compétences informationnelles face à la désinformation climatique sur les réseaux sociaux. S’inscrivant dans une approche sociocognitiviste et une conceptualisation métalittéracique des compétences informationnelles, l’étude repose sur une analyse qualitative de 17 entrevues semi-dirigées menées en 2023 auprès de jeunes adultes universitaires du Canada Atlantique. Les résultats montrent que les participants adoptent un regard ambivalent envers les réseaux sociaux, reconnus à la fois comme vecteurs d’information et de désinformation. S’ils déclarent maitriser plusieurs compétences critiques (distinction faits/opinions, recherche de pluralisme, autoévaluation), leur mobilisation concrète reste souvent limitée. Cette retenue s’explique en partie par la peur de se tromper ou de laisser une empreinte numérique. Peu sont les étudiants qui interviennent activement face à de la désinformation. Malgré cela, ils montrent sensibles aux enjeux climatiques et expriment des attentes claires envers leur formation universitaire — jugée, mais perfectible — ainsi qu’envers les plateformes numériques, qu’ils souhaitent plus responsables. L’étude met en lumière l’écart entre compétences déclarées et pratiques réelles, et souligne l’importance de renforcer les compétences informationnelles par des approches éducatives intégrées, transversales et contextualisées.
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 | 0,008 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,009 | 0,019 |
| Communication savante | 0,010 | 0,009 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».