Les médias socionumériques et la participation des minorités francophones canadiennes à la vie politique
Bibliographic record
Abstract
Les médias socionumériques ont ouvert la voie à de nouvelles formes de participation et d’oppression pour les groupes minoritaires, mais la recherche sur l’utilisation de ces outils n’a pas suffisamment pris en compte les circonstances uniques des minorités nationales. Les minorités nationales, contrairement aux « nouvelles » minorités issues de l’immigration, ont des revendications distinctes autour du territoire, de l’identité, des droits linguistiques, et de l’autonomie. Comment est-ce que ces minorités utilisent les médias socionumériques pour promouvoir leur identité et leurs revendications dans un contexte où elles sont confrontées à un déclin démographique relatif, et où elles doivent rivaliser avec des groupes plus puissants ? Les technologies socionumériques peuvent-elles leur permettre de se faire entendre ou est-ce que leurs voix seront de plus en plus noyées dans une mer de querelles politiques ? Cet article aborde ces questions en étudiant l’utilisation des technologies socionumériques par les associations représentant la francophonie canadienne en milieu minoritaire. Les minorités francophones du Canada ont subi une série de revers politiques inquiétants depuis quelques années. Leurs associations ont réagi en mobilisant leurs ressources et leurs sympathisants, souvent à l’aide des médias socionumériques. Mais utiliser les réseaux sociaux ne conduit pas automatiquement à une visibilité politique et médiatique.
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.012 | 0.009 |
| Scholarly communication | 0.011 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.015 | 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".