Du statut d’objet technique à celui d’objet social dans le contexte de la production automatisée d’informations journalistiques
Bibliographic record
Abstract
« Bxl’air bot » consiste en une application de monitoring de la qualité de l’air bruxellois réalisée en collaboration avec la rédaction d’Alter Échos, un magazine belge dédié aux actualités sociales. Cette application automatisée est à comprendre comme un objet du journalisme, dont la matérialité est assurée par des publications fondées sur une collecte en temps réel des données relatives à la pollution de l’air ambiant. Au-delà de ce cadre serviciel, elle est également à comprendre comme un outil du journalisme. En enregistrant chaque jour les données relatives aux mesures des polluants atmosphériques dans une base de données, cette dernière permet d’en retracer l’historique et de livrer une analyse statistique. Historique et analyse serviront de base à un projet, plus large, d’enquête journalistique couvrant une période d’un an. La problématique de la qualité de l’air à Bruxelles peut être ici considérée comme un problème public, lequel consiste en la transformation d’un fait social en enjeu de débat public et/ou d’intervention étatique. La quantification, dans le contexte d’un problème public, permet d’assurer une objectivation chiffrée d’une situation donnée. Cet article examine en quoi cette application est le résultat d’interactions entre technique et social, dans la perspective d’interroger les boîtes noires du journalisme et de la technologie.
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 | 0.070 | 0.129 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.013 | 0.011 |
| Science and technology studies | 0.004 | 0.007 |
| Scholarly communication | 0.024 | 0.015 |
| Open science | 0.003 | 0.006 |
| Research integrity | 0.004 | 0.004 |
| Insufficient payload (model declined to judge) | 0.017 | 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".