Chansons et cannabis : représentations sociales, enjeux identitaires et communicationnels
Bibliographic record
Abstract
Les communications culturelles participent à rendre « visibles » les objets sociaux et contribuent à les inscrire et à en rendre compte dans un contexte social. Ainsi, l’analyse de produits culturels tels que les chansons peut s’avérer pertinente dans une perspective qui viserait à explorer des représentations sociales. Nous avons effectué l’analyse de contenu de vingt-cinq chansons françaises ayant pour thème le cannabis. Les propos véhiculés témoignent d’une expérience pouvant être rapprochée de celle des consommateurs. Autrement dit, ces chansons expriment bien « quelque chose » qui est de l’ordre de la situation sociale du consommateur dans un ensemble complexe qui fait intervenir divers contextes socionormatifs. De plus, l’omniprésence d’un autrui « pensé » et « agi », en référence à l’objet représenté, fait intervenir des processus de croyances de groupe qui permettent de déchiffrer ce qui est de l’ordre de l’intentionnalité de l’oeuvre. L’analyse de communications culturelles comme les chansons se révèle tout à fait pertinente et heuristique pour appréhender de manière contextuelle les formes de savoir de sens commun et pour saisir certains enjeux propres à leur élaboration.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.014 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.007 | 0.000 |
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".