Bibliographic record
Abstract
Lorsque le projet de ce numéro a été lancé au printemps 2011, il proposait un thème étroit: le profilage des publics par l'industrie médiatique; il convoquait les chercheurs qui travaillent de quelque façon sur les destinataires de l'activité professionnelle communément appelée journalisme.L'hypothèse sous-jacente était que, parmi les mutations que connaît cette activité depuis la fin du siècle dernier, il y a aussi des ruptures, d'une part dans la façon dont les publics des médias sont construits de facto et, d'autre part, en conséquence peut-être, dans la façon dont ils sont imaginés par les artisans producteurs de ces médias.Plus spécifiquement encore, il s'agissait d'interroger les relations entre l'un des produits offerts par les médias, soit les contenus journalistiques, et les publics agrégés spécifiquement par ces contenus-là.La proposition impliquait donc de séparer analytiquement ce que le langage courant, et même savant, amalgame souvent et qu'il nomme journalisme: les entreprises médias et leur contenu d'information journalistique.Bien évidemment, l'hypothèse prenait sa source, d'une part, dans le constat d'un glissement croissant de l'ensemble des contenus médiatiques vers le support Internet et, d'autre part, dans le développement constant d'outils informatiques permettant aux acteurs médiatiques de cibler toujours plus systématiquement les publics possibles, sur Internet.Puis, pendant les six premiers mois d'appels à manuscrits, il s'est révélé que, finalement, en langue française tout au moins, il n'y a que peu de chercheurs qui étudient les mutations du journalisme sous cet aspect du profilage des publics.Le thème était trop étroit.Il y a donc eu une deuxième phase d'appels à textes, cette fois sous le thème plus global des « mutations du journalisme » tout court.Au final, six textes ont été retenus qui forment le numéro que vous allez lire.L'ordre des articles fait écho à ces deux phases d'appel à manuscrits: du particulier au plus général.Ainsi, les deux premiers textes sont centrés sur la question des publics formant audiences et le profilage croissant de ces publics.Le premier, mon article, attire l'attention sur la double transformation des pratiques journalistiques sous les coups de l'hyper-concurrrence dans laquelle les médias sont plongés
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 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.009 | 0.004 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.553 | 0.315 |
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".