Reconfigurations d’expertises privées autour de Game of Thrones : de la chambre à l’école
Bibliographic record
Abstract
Les travaux de Henry Jenkins, de Patrice Flichy ou de Mélanie Bourdaa ont amplement œuvré pour que les productions des amateurs soient reconnues en tant que pratiques culturelles à part entière. Un symptôme probant : le terme de « knowledge », voire celui d’expertise s’associent désormais à ces productions. Pour autant, c’est souvent moins le processus d’expertise lui-même qui est traité que les incarnations de cette même expertise, déclinées du savant au profane. Or, ce qui se joue est d’envergure. Avec les activités d’éditorialisation facilitées par le paradigme numérique, c’est du devenir des citoyens aux prises avec les médias qu’il s’agit. Aussi, si nous nous intéressons aux usages privés et aux loisirs, c’est bien pour nous saisir à nouveaux frais de ce que l’école et l’université mettaient auparavant au cœur des apprentissages. Notre propos s’efforce donc de montrer que nous assistons à une véritable reconfiguration du processus d’expertise par la praxis amatrice dans la sphère privée. Et puisque loin s’en faut que soient analysées les compétences expertes ni même la manière dont elles se forgent progressivement dans la production et dans l’interaction, nous nous intéressons à la nature de cette expertise, à son processus ou à ses aspects peu traités par la sphère institutionnelle. Pour ce faire, nous prenons appui sur des fanvidéos postées sur YouTube à propos de la série d’HBO Game of Thrones, de l’opus de George R.R. Martin (A song of Ice and Fire ou Le Trône de fer, en traduction française) ou plus largement à partir de l’univers fandomistique déployé. Le défi épistémologique est lui aussi de taille : il s’agit de penser ce savoir non pas comme ancillaire des productions culturelles à partir desquelles il se développe mais de le penser comme un autre savoir, d’identifier cette expertise comme telle et d’opérer la mutation vers une autre expertise, un faire d’expertise, scolarisable qui plus est.
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.011 |
| Scholarly communication | 0.011 | 0.012 |
| Open science | 0.001 | 0.008 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.022 | 0.003 |
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".