Agir contre la cyberintimidation avec la vidéo numérique et YouTube : une étude de sociologie cognitive sur la communication socioéducative médiatisée chez des adolescents
Bibliographic record
Abstract
La cyberintimidation désigne toute situation où un individu ou un groupe recourt à une technologie numérique et/ou un média social, dans le but de nuire à un tiers. Au Québec, 22 % des adolescents sont victimes d’actes de cyberintimidation chaque année. Les effets les plus importants de ces actes sont notamment l’anxiété sociale, la baisse des résultats scolaires, la dépression sévère et l’apparition d’idées suicidaires. Cette thèse s’intéresse aux actions mises en œuvre par des vidéastes amateurs et par des adolescents pour lutter contre la cyberintimidation, à l’aide de la vidéo numérique et YouTube. La recherche s’appuie sur la théorie de la rationalité cognitive, qui propose d’expliquer l’existence des phénomènes sociaux en s’intéressant aux raisons pour lesquelles les individus agissent dans un contexte donné. Elle recourt aussi aux concepts de médiation et de médiatisation, dans le but de distinguer l’acte relationnel de communication de l’acte de mise en média de l’information. Dans le cadre de la recherche présentée, 59 vidéos amateures ont été archivées, trois entrevues avec des vidéastes ont été réalisées et 14 groupes de discussion avec 75 adolescents ont été menés. Ces trois ensembles de données ont fait l’objet d’une analyse catégorielle de contenu, qui a permis d’identifier les idées dominantes et les modes de représentation privilégiés dans les vidéos et dans les discours des participants. Les résultats présentés montrent que les vidéos amateures pressent le public à agir contre la cyberintimidation, mais qu’elles proposent peu de pistes de solution concrètes. Afin de convaincre le public à agir, les vidéos révèlent des taux de victimisation élevés, s’opposent à l’idée selon laquelle la cyberintimidation serait moins grave que l’intimidation traditionnelle, et affirment que ce phénomène peut conduire au suicide. Les vidéos mettent de l’avant une image des victimes qui peut paraître stéréotypée à première vue, mais qui correspond aux résultats des recherches sur la cyberintimidation. Cette recherche montre aussi que les vidéastes amateurs sont plus motivés par l’acquisition d’un capital de reconnaissance et par le développement d’habiletés en production vidéo que par le désir d’aider autrui en rapport avec la cyberintimidation. Les résultats montrent également que l’idée de produire des mises en scène caricaturales pour la cyberintimidation est rejetée par les adolescents, qui valorisent plutôt le réalisme et l’authenticité. Ils révèlent aussi que les adolescents sont peu réceptifs à l’idée de recourir à l’humour ou à la violence pour convaincre un public, et qu’ils s’opposent à l’idée de produire une vidéo dont les contenus sont générés par ordinateur ou dénués de toute présence humaine. La principale contribution de cette recherche à l’avancement des connaissances sur les jeunes et les médias est une meilleure compréhension des défis qu’ils rencontrent quand ils produisent une vidéo de nature socioéducative. Des programmes d’éducation aux médias ciblant les adolescents pourraient aborder avec eux les principes d’une telle communication, notamment le choix des contenus, le public visé et le mode de diffusion.
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 | 0.015 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".