Bibliographic record
Abstract
Le nouveau paysage de l’environnement médiatique exerce des pressions accrues sur l’éthique des agents du 4e pouvoir. L’éthique journalistique est malmenée dans ce contexte et risque de perdre ses repères tant professionnels que traditionnels.La mutation qui touche l’univers médiatique est profonde. Nombre de médias traditionnels vacillent. Chez les journalistes, le marché de l’emploi souffre de précarité, le travail à la pige prenant de plus en plus d’ampleur. À cette conjoncture s’ajoute un maigre niveau de confiance du public qui n’excède guère les 45 %, bon an, mal an.À la recherche d’un nouveau modèle d’affaires pour assurer leur survie, tous les médias se sont lancés dans la production multiplateforme, proposant à leurs publics des productions écrites, sonores, visuelles et en ligne.En fait, la culture des médias sociaux et des nouvelles télédiffusées en continu a imprimé une nouvelle réalité, dans laquelle l’information circule à une vitesse excessive. Cette rapidité de production est cependant mère d’approximations, de superficialité et de dérapages éthiques dans le traitement de l’information. La liste de ces dérapages s’allonge.L’auteur propose une série de mesures pour contrer le dysfonctionnement du 4e pouvoir et stopper le glissement éthique observé.
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 | 0.008 | 0.017 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.007 | 0.007 |
| Scholarly communication | 0.012 | 0.009 |
| Open science | 0.002 | 0.009 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.053 | 0.010 |
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".