Une autre figure du community manager : un prospecteur silencieux et rigoureux. L’exemple d’un forum de lecteurs-consommateurs
Bibliographic record
Abstract
Dans cet article, nous interrogeons les pratiques éditoriales et les nouvelles expertises en construction dans le forum public de discussion Booknode.com réunissant des lecteurs/usagers-consommateurs conversant sur le livre numérique. Notre approche s’appuie sur le cadre théorique de l’interactionnisme, en empruntant les concepts de l’analyse des interactions quotidiennes et des interactions verbales, en procédant à une analyse manuelle d’un corpus numérique. Nous soutenons que le forum d’usagers-consommateurs constitue un espace documentaire coopératif autogéré et autorégulé par une myriade d’amateurs éclairés. L’expression d’une opinion individuelle est le registre de prise de parole dominant se traduisant par un empilement de retours détaillés et commentés d’expériences de consommation. Ce vivier de récits de micro-usages ordinaires complète l’enquête traditionnelle et rencontre les pratiques co-innovantes en favorisant une génération d’idées spontanées, exploitables par le community manager. Sur cette plateforme sociotechnique, ce collaborateur d’une organisation/entreprise se mue, en facilitateur discret et distant intervenant pour amorcer et stimuler la conversation, en prospecteur silencieux et rigoureux exploitant les retours d’expériences des participants pour déceler des usages innovants.
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 | 0.004 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.008 | 0.007 |
| Scholarly communication | 0.011 | 0.013 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.042 | 0.005 |
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".