Les NTIC et la délibération : dans quelle mesure les outils numériques peuvent-ils contribuer à améliorer la qualité du débat public ?
Bibliographic record
Abstract
Internet nous offre aujourd’hui un accès quasi inconditionnel à l’information ainsi que la possibilité presque instantanée de débattre virtuellement sur divers thèmes sociétaux. Mais si cette combinaison semble œuvrer pour une forme de démocratisation intellectuelle émancipatrice, force est de constater qu’elle peut également prendre des tournures dramatiques en mettant en scène des discussions extrêmement polarisées, voire radicalisées, qui ne visent en aucun cas la recherche du bien commun. Devant l’émergence de nombreux débats virtuels qui jaillissent anarchiquement sur les réseaux sociaux ou sur les sites de presse, certains administrateurs ont même décidé d’empêcher toute forme de commentaires tant la virulence de certains propos peinait à servir l’intérêt du public. En réalité, ces débats dits « libres » sont incapables de fournir le minimum de règles requis pour assurer la légitimité d’un processus de délibération publique entre des individus qui se verraient également considérés. Cet ensemble de règles éthiques, techniques et intellectuelles peut être trouvé dans la théorie de la démocratie délibérative de Jürgen Habermas qui constitue la base de son éthique de la discussion. Ainsi, après avoir spécifié la nature des débats « libres » et passé en revue la théorie habermassienne qui s’articule autour d’un idéal démocratique délibératif, nous verrons comment celle-ci peut s’intégrer aux nouvelles technologies de l’information et de la communication (NTIC) afin d’augmenter la qualité du débat public du plus grand nombre en proposant des débats « organisés » porteurs d’espoir à l’heure où l’on ne s’écoute que trop rarement dans un espace numérique saturé. C’est le cas notamment des « technologies à visée citoyenne » (civic tech) qui ont émergé très récemment dans le paysage politique français et qui prétendent dépasser la violence des débats virtuels « libres » grâce à des échanges collectifs structurés. Le « Grand débat national » organisé en France par le président de la République à la suite de la crise des Gilets jaunes ainsi que le « Vrai débat » lancé par ces derniers pour contester la légitimité du premier seront l’occasion d’envisager l’espoir, mais aussi les limites des civic tech à partir d’exemples concrets.
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 | 0.012 | 0.027 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.005 | 0.033 |
| Scholarly communication | 0.022 | 0.021 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.015 | 0.004 |
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".