Bibliographic record
Abstract
Depuis la fin de la seconde guerre mondiale, les analyses psychologiques des violences collectives se sont appuyées sur l’idée de banalité du mal et sur la figure de l’homme ordinaire , déplaçant ainsi la question de la dynamique de l’action criminelle sur les processus de groupe et les mécanismes de la soumission à l’autorité . Le même schéma d’analyse guidera les travaux sur les sectes dès les années 1960-1970. Que faire alors des phénomènes épidémiques qui secouent régulièrement les réseaux numériques sans que l’on puisse déceler la présence active d’un gourou manipulateur mettant les jeunes internautes au service de ses intérêts : vagues de syndrome de la Tourette touchant majoritairement de jeunes utilisatrices de TikTok, épidémie de symptômes transidentitaires, de cas d’HPI et de troubles du spectre autistiques autodiagnostiqués et mis en ligne sur les réseaux sociaux… ? Après avoir succinctement présenté les théories élaborées sur les principes de l’emprise et de l’autorité, nous soulèverons la question qui guide ce travail : ces conceptions de la dynamique d’emprise mentale permettent-elles de saisir certains phénomènes de masse contemporains se produisant en grande partie sur les réseaux sociaux, touchant principalement les populations les plus jeunes, et que nous nommerons « cyber-emprise » ? Nous conclurons en mettant en rapport ces nouvelles dynamiques collectives propres au cyber-espace avec les processus de l’adolescence afin de comprendre les effets d’emballements, propres au monde des réseaux, susceptibles d’expliquer la circulation épidémique de certains discours. Plan Du dispositif sectaire au panopticon numérique généralisé Le monde spéculaire des réseaux sociaux Radicalité, cyber-emprise et processus adolescents
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 | 0.001 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.004 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.028 | 0.002 |
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".