Quand la politique change de scène : une analyse de la construction de l’identité discursive d’acteurs politiques à Tout le monde en parle
Bibliographic record
Abstract
L’article qui suit porte sur l’avènement du phénomène de l’infotainment. Nous avons donc voulu définir quels sont les stratégies de présentation de soi et les types d’arguments privilégiés par les acteurs politiques afin de construire leur persona lorsqu’ils sont de passage sur une émission dictée par l’infotainment ? Pour ce faire, nous avons d’abord abordé le persona en nous inspirant du concept d’ethos, tel que défini par Charaudeau (2005). Par la suite, nous avons procédé à une analyse de contenu de dix entrevues réalisées auprès d’acteurs politiques majeurs lors de leur passage sur le plateau du talk-show québécois Tout le monde en parle. Au final, les résultats obtenus révèlent que les acteurs politiques optent pour une présentation de soi (Schütz, 1997) axée sur l’autopromotion et les « bonnes grâces ». De plus, à ces stratégies se greffe un schème argumentaire visant la promotion des buts ou de l’agenda politique du parti (Devitt, 1997).
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.011 | 0.023 |
| Scholarly communication | 0.015 | 0.011 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.020 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".