« Twitter en regardant la télé » : une campagne transmédias interactive ?
Bibliographic record
Abstract
La campagne pour l’élection présidentielle française de 2012 a été marquée par l’usage des réseaux sociaux et notamment de Twitter. L’essor des chaînes d’information en continu a amplifié ce phénomène avec notamment la diffusion des meetings en direct - le spectateur peut alors réagir sur Twitter au discours du candidat devant son poste de télévision, sans avoir à se déplacer. La temporalité est alors modifiée : le programme télévisuel perdure par les commentaires qui sont postés sur Twitter. Il s’agit de s’interroger sur ce phénomène des live-tweets qui a rythmé la campagne électorale de 2012, en se focalisant sur les stratégies numériques du Parti Socialiste et l’Union pour un Mouvement Populaire. Cet activisme en ligne permet-il de rendre la télévision interactive ? On constate qu’il ne s’agit pas d’un phénomène totalement « nouveau » au sens où les débats politiques télévisés, avant même l’essor des réseaux sociaux, suscitaient déjà des interactions nombreuses (discussion entre amis ou familiale) ; mais ces échanges étaient alors restreint au cercle de l’entourage proche. Le succès des live-tweets vient modifier ce périmètre en ouvrant le débat à tous les twittos – minorité de personnes qui ont des profils spécifiques. Cette possibilité de commenter en direct les interventions des hommes politiques interpelle les équipes numériques, surtout en période de campagne, qui cherchent à orchestrer les « rispotes-party » pour mieux les organiser, voire les contrôler.
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 | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.006 |
| Scholarly communication | 0.008 | 0.010 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.018 | 0.003 |
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".