#Propage l'info, pas le virus : communication politique et réponses des influenceur.euses à l'appel du gouvernement Legault lors de la crise de la COVID-19 au Québec
Bibliographic record
Abstract
Résumé En mars 2020, le premier ministre Legault a fait appel aux influenceur.euses et aux célébrités québécoises dans le cadre de la campagne #Propage l'info, pas le virus afin de sensibiliser les jeunes au respect des consignes sanitaires liées à la COVID-19. Cet article offre un éclairage inédit sur les différentes manières dont ces personnes renommées ont répondu à l'appel ainsi que sur les formes de leurs réponses à l'aide d'une analyse de contenu de leur vidéo partagée sur les réseaux sociaux. Le codage des vidéos s'est fait à partir d'une grille d'analyse qualitative de contenu, inspirée de celle de Fields (1988). Il ressort des analyses que différents moyens ont permis d'accentuer le sentiment de proximité entre la célébrité et son public, dans le but d'augmenter l'adhésion au message. L'utilisation du pronom « On », l'emploi de formules narratives et l'intimité qui se dégage des vidéos informatives vont en ce sens.
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 | 0.004 | 0.011 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.018 | 0.012 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.013 | 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".