Reinventing the economy of journalism : Ouest-France and Québecor, two organizations trying to transform a discursive practive and the media industries business models in the digital era
Bibliographic record
Abstract
L’essor du journalisme à une échelle industrielle à partir du XIXe siècle s’est principalement construit sur la mise en rapport d’investissements et intérêts nombreux, remise en question dans le contexte de l’économie numérique. Ce travail de recherche veut contribuer à la compréhension des transformations contemporaines du journalisme en s’intéressant aux conditions d’existence matérielle de cette pratique de production discursive, aux changements qui se déploient dans les organisations médiatiques ainsi qu’aux stratégies et discours qui sont mobilisés. En France et au Québec, cette recherche porte sur deux groupes médiatiques, Ouest-France et Québecor, impliqués notamment dans la presse écrite et se saisissant des problématiques liées au numérique depuis le milieu des années 1990. Les modèles d’affaires des deux groupes et les intérêts des différents acteurs se voient modifiés, sans que le journalisme ne parvienne à assurer une autonomie économique. Sa position de subordination se voit renforcée dans les modèles et dispositifs progressivement déployés. Cette transformation en cours, au sein des groupes industriels, se construit alors autant au travers de changements organisationnels que dans et par le discours. Ce travail repose sur des approches empiriques croisées, permettant une analyse documentaire au sein et autour des deux groupes, ainsi qu’une analyse du discours, fondée notamment sur des entretiens avec des dirigeants, cadres et travailleurs de l’information. Au croisement de ces approches, c’est la transformation du journalisme et de son économie qui apparaît, non comme un objectif à venir, mais comme un processus à l’oeuvre. Déployant ses priorités, elle se construit autant dans les investissements que les discours, et laisse des traces qui sont l’objet de ce travail doctoral.
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 | 0.013 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.004 | 0.003 |
| Science and technology studies | 0.017 | 0.014 |
| Scholarly communication | 0.022 | 0.010 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.004 | 0.003 |
| Insufficient payload (model declined to judge) | 0.008 | 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".