L'élection du 83e gouverneur de la Géorgie : un portrait de la campagne publicitaire de Brian Kemp, un « conservateur politiquement incorrect »
Bibliographic record
Abstract
Cet article présente les résultats d’une analyse de contenu que nous avons réalisée sur un corpus qui se compose de 23 publicités électorales diffusées par Brian Kemp, le candidat républicain au poste de gouverneur de l’État de la Géorgie, lors des élections américaines de mi-mandat de 2018. Notre analyse démontre, tout d’abord, que 61 % des publicités électorales de Brian Kemp sont négatives, ce qui signifie qu’elles servent principalement à critiquer ou à attaquer les positions de l’adversaire sur les enjeux ou ses traits de personnalité. Notre étude démontre ensuite que la campagne publicitaire de Brian Kemp s’est transformée entre la primaire républicaine et l’élection générale. En effet, les publicités humoristiques et imagées diffusées durant la primaire ont fait place à des publicités très négatives visant à dénigrer la candidate démocrate au poste de gouverneur, Stacey Abrams. Pour ce faire, les publicités négatives de Brian Kemp mettent en oeuvre des techniques de production et des stratégies, comme l’appel à la peur ou l’étiquetage.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.023 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.006 | 0.006 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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; both teacher heads agree on what is shown here.
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".