Le média socionumérique TikTok: champ de bataille numérique ou catalyseur de désinformation?
Notice bibliographique
Résumé
L’ascension fulgurante de TikTok, développé par Bytedance, a attiré l’attention mondiale, soulevant des questions cruciales sur son influence. Face à des préoccupations croissantes, de nombreux gouvernements, dont ceux de la France, de la Belgique, des États-Unis et du Canada, ont restreint l’accès à TikTok sur les appareils officiels, alimentant le débat sur la sécurité des données et les risques de fuite d’informations sensibles. Au-delà des préoccupations de sécurité nationale et de son lien avec la Chine, TikTok inquiète par son impact chez les jeunes utilisateurs, le manque de transparence sur les données récoltées et le fonctionnement de ses algorithmes ainsi que sa modération de contenu et de désinformation. Paradoxalement, malgré ces défis, TikTok demeure une plateforme privilégiée pour le contenu et les campagnes publicitaires de nombreuses entités, y compris celles qui en interdisent l’utilisation à leurs employés. Même le président Joe Biden y a désormais un compte et y fera campagne. Notre intervention explorera ces dynamiques complexes à travers une analyse de données originales. Nous questionnerons la dualité de TikTok, à la fois vecteur potentiel de désinformation et espace de diffusion de contenus informationnels de qualité, particulièrement dans le contexte canadien et québécois du blocage des nouvelles par Meta.
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 | 0,006 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,007 | 0,011 |
| Communication savante | 0,030 | 0,021 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,026 | 0,006 |
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 ».