Univers discursif et réforme des télécommunications : étude comparée du Sénégal et de l’Afrique du Sud
Bibliographic record
Abstract
Avec la montée de l’utopie de la communication (Breton 1997), la communicationest investie du pouvoir de permettre, à travers la transparence dont elle estsupposément porteuse, l’amélioration de la société. Il ne s’agit pas ici d’unecommunication intersubjective, telle que l’agora grecque ou l’arbre à palabresafricain ont pu en servir de modèle (Diagne 2006). Un discours promoteur de lalibéralisation dans le secteur des télécommunications s’est progressivementimposé, aboutissant à une déréglementation mondiale généralisée du secteur.Dès 1984, la Commission Maitland de l’Union internationale des télécommunications(UIT) s’est penchée sur les infrastructures africaines detélécommunications et a dressé un bilan particulièrement négatif de la situationgénérale du continent. Le développement des télécommunications est ainsianalysé comme le chaînon manquant entre les pays du Sud et ceux du Nord.Notre propos est ici de mettre en perspective la conjoncture qui a permisl’émergence à la fois d’un discours et d’un train de réforme du secteur des télécommunications.L’accent est mis sur les facteurs tant externes que proprementnationaux qui ont déterminé la conception et l’application d’une réformestructurelle du secteur des télécommunications dans les pays africains. Basésur une étude de cas et sur des données secondaires issues de la littérature, leprésent travail adopte une perspective comparative. Il s’appuie sur le cas dedeux pays africains particulièrement contrastés en termes de langue, d’aireculturelle, de démographie ou d’héritage colonial : le Sénégal et l’Afrique duSud. L’analyse comparée des étapes majeures de la réforme du secteur destélécommunications met paradoxalement en évidence l’évolution similaire duprocessus dans les deux pays malgré leurs physionomies divergentes.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.009 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.013 | 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".