Le traitement médiatique de l'Afrique dans la presse écrite de référence francophone entre 1993 et 2003 : le cas des quotidiens Le Devoir (Québec), Le Monde (France) et Le Soir (Belgique)
Bibliographic record
Abstract
Ce mémoire étudie le traitement médiatique de l'Afrique à travers la presse écrite de référence francophone (PERF). Pour ce faire, il prend le contrepied des conclusions d'études portant sur la télévision et la radio. Conclusions qui soutiennent que ce traitement est, la plupart du temps, négatif Afin d'y répondre, le mémoire propose deux méthodes : une quantitative et une qualitative qui se fondent sur les écrits de Kerbrat-Orecchioni, Gauthier, Naville-Morin et Chartier et l'utilisation de huit indicateurs (adjectifs qualificatifs, noms substantifs et prédicatifs, verbes occasionnellement et intrinsèquement subjectifs, adverbes de degré et de manière et expressions métaphoriques). Un corpus de presse de 2215 articles permet d'appréhender ces deux méthodes. Son analyse montre que, le traitement médiatique de l'Afrique dans la PERF n'est pas inférieur, en termes de quantité, au traitement accordé aux autres continents. En revanche, cette même analyse abordée sous l'angle qualitatif démontre que ce traitement médiatique de l'Afrique tend à être souvent déséquilibré en faveur des occurrences négatives.
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 | 0.002 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.004 | 0.007 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 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".