Bibliographic record
Abstract
Depuis la parution du tome 1, consacré à l’analyse de campagnes de communication diffusées de 1988 à 2001, le monde des organisations, et donc de leurs communications, s’est complexifié. La consommation des médias – de masse, traditionnels ou émergents – a considérablement évolué. Elle s’est également intensifiée avec la montée du journalisme en direct, l’influence des résultats de sondages de plus en plus fréquents et l’omniprésence des technologies de l’information. Ce deuxième tome du livre Des campagnes de communication réussies arrive ainsi à point nommé. Passant au crible des théories des relations publiques des campagnes canadiennes de 2003 à 2007, il veut inspirer les praticiens dans la résolution de problèmes et aider les étudiants à concrétiser des notions théoriques. Chaque campagne est décrite, puis analysée en fonction des publics visés, du type de relation, des choix de réseaux, du modèle de communication, des contextes modifiés par les campagnes et de l’utilisation du storytelling . De la gestion des enjeux à la communication de crise, en passant par les campagnes de santé publique, l’organisation d’événements et les campagnes de lancement de produits, l’ouvrage pose un regard à la fois pragmatique et critique sur la pratique récente de la communication organisationnelle. Comme le souligne, dans la préface, Marcel Barthe, vice-président stratégie d’entreprise de Cossette : « Bien comprendre et intégrer le contenu de ce livre pourrait, j’en suis convaincu, amener une bonification de notre travail. »
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.009 | 0.016 |
| Scholarly communication | 0.013 | 0.011 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.025 | 0.004 |
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".