MétaCan
Menu
Back to cohort
Record W4390641716 · doi:10.4000/communication.18251

De la médiatisation confinée des violences familiales

2023· article· fr· W4390641716 on OpenAlexvenueno aff
Jaércio Da Silva, Cécile Méadel

Bibliographic record

VenueCommunication · 2023
Typearticle
Languagefr
FieldSocial Sciences
TopicMulticulturalism, Politics, Migration, Gender
Canadian institutionsnot available
FundersAgence Nationale de la Recherche
KeywordsPolitical science

Abstract

fetched live from OpenAlex

La pandémie de 2020 provoque une mobilisation des autorités publiques autour des violences domestiques, démultipliées par les différentes mesures sanitaires. La période étant marquée par la limitation de l’accès à l’espace public et des contacts physiques, il ne s’agit plus d’assurer uniquement le fonctionnement des mesures préexistantes, mais de mettre en place des outils en adéquation au contexte. Cette recherche s’intéresse à la médiatisation de cette question dans les médias audiovisuels généralistes, en partant de l’hypothèse que la pandémie crée une situation favorable à l’observation du débat public sur les violences domestiques en ce qu’elle déstabilise les ordres existants, les rapports de force, les autorités, les organisations, les croyances et les savoirs. Trois pistes d’analyse sont privilégiées pour examiner l’approche de la problématique dans les médias : a) les violences subies par les femmes sont-elles rapatriées au sein du foyer ? ; b) la parole experte reste-t-elle centrale pour toute la période ? ; c) quelle place y est accordée aux victimes ? D’un point de vue méthodologique, cet article s’appuie sur un corpus composé de 772 éléments de journaux télévisés des principales chaînes gratuites et du journal parlé de la principale station française (France Inter), diffusés entre le 1er mars et le 1er septembre 2020 ainsi que la même période en 2019 à des fins comparatives. Dans une démarche quanti-qualitative, a été élaborée une grille de codage qui a permis d’identifier la thématique, les catégories et les sujets.

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 imitation

Not 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.

metaresearch head score (Codex)0.002
metaresearch head score (Gemma)0.001
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesScience and technology studies
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.438
Threshold uncertainty score0.999

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0020.001
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0010.003
Scholarly communication0.0000.000
Open science0.0010.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0000.001

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.

Opus teacher head0.227
GPT teacher head0.454
Teacher spread0.226 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations1
Published2023
Admission routes1
Has abstractyes

Explore more

Same venueCommunicationSame topicMulticulturalism, Politics, Migration, GenderFrench-language works237,207