mise en discours de la mode durable via Instagram : regard sur les marques Marine Serre, Ganni et Boohoo
Bibliographic record
Abstract
Afin de répondre à l’impératif de durabilité, les marques du secteur de la mode, une industrie particulièrement polluante, développent un discours visant à mettre en valeur leur démarche écoresponsable. Dans cet article, nous nous intéressons aux discours déployés sur Instagram par trois marques, qui correspondent à différents modèles d’affaires de l’industrie : Marine Serre, fondamentalement responsable; Ganni, une marque en transition écoresponsable; et Boohoo, une marque associée à l’ultra fast fashion. À partir d’une analyse des différentes thématiques privilégiées dans les quelque 171 publications de ces trois marques au cours de l’automne 2021, nous concluons que si les marques correspondant aux deux premiers idéaux-types semblent se conformer aux critères d’authenticité reconnus en matière de communication environnementale, la marque de fast fashion, sans grande surprise, verse dans l’écoblanchiment. Or, nos résultats font ressortir que cet écoblanchiment prend une forme insidieuse, qui s’éloigne des clichés habituels : de fait, la marque renverse le fardeau de l’écoresponsabilité en le transférant à ses consommateurs. Nous concluons en soulignant que cette nouvelle forme de purpose washing n’est pas sans conséquence pour l’ensemble des acteurs de l’industrie, y compris ceux qui souhaitent développer une approche authentiquement durable.
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 | 0.006 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 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; a candidate call from one teacher head, 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".