Médiatiser la pandémie de COVID-19 : regards internationaux
Bibliographic record
Abstract
Depuis son déclenchement en 2020, la pandémie de COVID-19 bouleverse les modes de vie à travers le monde, se convertissant en un événement sanitaire, social et politique tout à la fois (Agartan, Cook, & Lin, 2020;Bobba & Hubé, 2021; Banque mondiale, 2020).Au cours des trois dernières années, nous avons dû apprendre à vivre dans un environnement reconfiguré par l'incertitude engendrée par l'irruption d'une crise de santé publique dont les répercussions se font sentir dans tous les domaines de la vie sociale.Dans un tel contexte, les flux d'information et de communication assument un rôle de premier plan dans l'établissement et la mise en visibilité des cadres d'interprétation du problème.Qu'ils soient issus d'espaces privés, publics ou institutionnels, ces contenus ont été des ressources incontournables pour que les citoyen.ne.s puissent faire face aux défis soulevés par une situation nouvelle et anxiogène.En ce sens, les pratiques informationnelles et communicationnelles participent à différents niveaux à la chaîne de médiations de l'ordre social en même temps qu'elles contribuent à sa « mise en tension » par le biais de processus de médiatisations de plus en plus complexes.Ces derniers sont rythmés par l'influence d'une « logique médiatique » (Esser & Strombäck, 2014) qui contribue au renouvellement des Cesar, Camila M reira, Giass n, Thierry, & Dum uchel, David.Médiatiser la pandémie de COVID-19 : regards internati naux.
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 | 0.006 | 0.015 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.003 |
| Science and technology studies | 0.007 | 0.006 |
| Scholarly communication | 0.012 | 0.006 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.005 | 0.010 |
| Insufficient payload (model declined to judge) | 0.035 | 0.006 |
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".