Ebola et politiques de communication préventive en Côte d’Ivoire (2014-2016)
Bibliographic record
Abstract
La communication est un véritable défi en santé publique, particulièrement lors des épidémies. Cependant, les scientifiques sociaux s’intéressent rarement aux pratiques de communication des dirigeants en tant que récepteurs et transmetteurs de mesures sanitaires. Or, ces acteurs politiques reçoivent les recommandations de l’Organisation mondiale de la santé (OMS) et les réinterprètent selon le contexte culturel et sociopolitique en tentant de contrôler le sens de leurs messages et leurs éventuelles conséquences immédiates eta posteriori. L’objectif de cet article est d’analyser les enjeux politiques de la communication préventive du gouvernement ivoirien face à la menace de la maladie à virus Ebola (MVE) durant la période allant de début mars 2014 à fin novembre 2016, à la lumière du contexte sociopolitique et épidémique qui prévalait. L’analyse s’appuie sur des données (observations, entretiens, revue de presse, recherches documentaires, etc.) recueillies dans le cadre du programme Ebo‑CI (Ebola et la Côte d’Ivoire ; 2014-2016) et se concentre sur deux objets des multiples mesures sanitaires prises à l’époque : la viande de brousse et les rites funéraires. Les analyses montrent qu’en Côte d’Ivoire, les autorités choisissent leurs objets de communication avec des outils d’intervention en matière de santé mondiale, tout en sanitarisant certaines mesures pour des fins politiques.
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 | 0.005 | 0.014 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 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".