Analyse du rôle de la mésinformation lors de l'élection provinciale québécoise de 2022
Bibliographic record
Abstract
Le Projet sur la désinformation électorale au Québec visait à identifier et évaluer la propagation et les effets des fausses informations circulant durant l’élection provinciale québécoise de 2022. Le Projet visait également à examiner la couverture médiatique de la mésinformation, ainsi que les perceptions des citoyens sur ce phénomène. Pour ce faire, le Projet s’appuyait sur une veille humaine et informatisée des publications sur les médias sociaux en lien avec l’élection, de même que d’un sondage préélectoral et postélectoral représentatif de la population québécoise visant à évaluer l’exposition aux nouvelles vraies et fausses et les perceptions des citoyens sur l’environnement d’information et l’intégrité de l’élection. Les résultats montrent que la mésinformation est demeurée concentrée au sein de communautés spécifiques en ligne et a eu relativement peu d'influence sur l'élection. Les Québécois considèrent qu'il est difficile de distinguer l'information factuelle de la mésinformation et ont une compréhension différente du phénomène en fonction de leurs opinions politiques. Malgré la circulation de narratifs de fraude électorale, le niveau de confiance dans l'intégrité de l'élection est similaire à celui observé lors des élections précédentes. Le rapport offre des recommandations pour diminuer la propagation et l'influence de la mésinformation.
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 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.005 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 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".