MétaCan
Menu
← Retour à la cohorte
Enregistrement W7027655097

Débuts, établissement et apogée des méthodes électorales à l'américaine sous l'Union nationale de Maurice Duplessis

2018· other· fr· W7027655097 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typeother
Languefr
DomaineSocial Sciences
ThématiqueHistorical and Cultural Archaeology Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPoliticsDemocracyWork (physics)Government (linguistics)Context (archaeology)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Les méthodes électorales à l'américaine ont transformé la façon de faire campagne en temps d'élection et sont maintenant répandues partout en Occident. Les conseillers en image et le recours aux firmes publicitaires font aujourd'hui partie de la donne électorale. Nées aux États-Unis dans la première moitié du XXe siècle, ces méthodes sont les prémisses du marketing électoral actuel. Longtemps avons-nous cru que ce phénomène est apparu dans les années 1960 au Québec, avec l'élection de Jean Lesage. Pourtant, près de quinze ans auparavant, un Premier ministre s'entoure d'une équipe pour mieux gagner ses élections. Maurice Duplessis a recours aux services de Joseph-Damase Bégin, ministre unioniste et ancien vendeur d'automobiles, qui se démarque par ses victoires dans son comté. Bégin s'allie à son tour les talents de Paul Bouchard qui devient directeur de la propagande de l'organisation électorale de l'Union nationale en 1946. Au fil des années, leur organisation grandit et permet à Duplessis de remporter parmi les plus grandes majorités parlementaires de l'histoire du Québec. Comment Bégin, Bouchard et leurs collègues y parviennent-ils? En personnalisant les campagnes de l'Union nationale, en recourant aux médias de masse et aux techniques publicitaires réputées performantes, en effectuant des analyses pré-électorales et surtout, en utilisant un budget faramineux. Voilà la recette du succès unioniste, inspiré des méthodes américaines.

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)0,004
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,855
Score d'incertitude au seuil0,288

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0140,006
Communication savante0,0050,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0160,003

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 Opus0,048
Tête enseignante GPT0,326
Écart entre enseignants0,277 · 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'étudeSans objet
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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHistorical and Cultural Archaeology Studies→Travaux en français237 207→