Les « web-mises en scène » des candidats aux élections québécoises de 2012 : entre discrétion et confession
Bibliographic record
Abstract
Cet article aborde les stratégies de personnalisation politique utilisées par les partis et leurs candidats sur le web lors de la campagne électorale législative québécoise de 2012. La personnalisation est souvent étudiée du point de vue des pratiques médiatiques et critiquée pour ses possibles effets pervers. Elle a cependant peu été étudiée du point de vue de la communication de campagne jusqu’à maintenant. Cette étude vise donc à faire ressortir les caractéristiques propres à la construction de l’éthos des politiciens en contexte électoral, à l’ère d’Internet. L’objectif poursuivi est de mieux comprendre comment les partis font la promotion de leurs candidats et de leur chef et comment ils mettent en récit leur parcours, leur personnalité et leurs compétences. L’accent sera-t-il mis sur les réalisations du candidat, sur sa vie privée ? Qu’est-ce que les partis choisiront de révéler à travers leurs discours ? Pour répondre à ces questions, une analyse de contenu quantitative et qualitative des pages biographiques disponibles sur les sites web officiels des principaux partis dans la course lors de l’élection législative québécoise de 2012 a été réalisée afin de mettre en valeur les différentes stratégies utilisées par les partis politiques. Nos analyses révèlent notamment que la manière de se mettre en scène sur le web pour se faire valoir varie selon les partis et leur idéologie. Nous illustrerons l’influence de la personnalisation sur la mise en récit du parcours politique et de la vie privée. Au final, les résultats liés à cette recherche sur les stratégies de personnalisation rejoignent les études sur le web politique et d’autres sur la personnalisation en ligne, qui illustrent le peu d’innovation ainsi que l’accent sur l’information unidirectionnelle diffusée par les partis sur leur site web, révélant plus d’information sur la carrière professionnelle que sur la vie privée.
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 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.013 | 0.005 |
| Scholarly communication | 0.009 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.020 | 0.002 |
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".