Analyse de formules employées par le gouvernement et de leurs stratégies de cadrage sous-jacentes pendant le printemps érable québécois de 2012
Bibliographic record
Abstract
Notre recherche porte sur la stratégie discursive du gouvernement pendant le printemps érable québécois de 2012, particulièrement sur les formules qu’il a employées afin d’influencer l’opinion publique. Au moyen d’une analyse de contenu de 100 articles de cinq quotidiens québécois, nous avons étudié 152 formules au regard de leur distribution dans le temps, des entités qu’elles ont ciblées, des locuteurs les ayant employées et des stratégies de cadrage qu’elles sous-entendent. L’analyse révèle plusieurs aspects, notamment la présence de multiples locuteurs et de cibles s’inscrivant dans la stratégie discursive. Le discours et les formules employées ont cherché à délégitimer les étudiants, mais aussi à cadrer l’image du gouvernement lui-même et celle de ses adversaires politiques. Le concept de formule permet de produire des unités d’analyse pouvant être étudiées empiriquement au regard du cadrage et de diversifier les recherches menées sur l’événement sociodiscursif qu’est le printemps érable.
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 | 0.005 | 0.011 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.010 | 0.006 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 0.001 |
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".