La constitution d’un réseau antimesures sanitaires québécois sur Twitter et la mise en scène d’un populisme par le bas
Bibliographic record
Abstract
Cet article interroge les premières étapes de la constitution d’un réseau antimesures sanitaires québécois sur Twitter entre le 12 mars, date de l’annonce par le premier ministre du Québec des premières restrictions sanitaires, et le 31 mars 2020. Basé sur une approche sociotechnique, il se penche sur l’assemblage des discours antisanitaires et le rôle des différents acteurs, humains et technologiques, qui contribuent à en dessiner les contours et en fabriquer le contenu. Par l’analyse des quatre étapes qui ponctuent l’élaboration d’un réseau – la problématisation, l’intéressement, l’enrôlement et la mobilisation des alliés –, il montre comment se dessine au fil des échanges un populisme par le bas, alimenté par des théories du complot, qui contribuent à cristalliser une opposition entre les élites et le peuple. La stabilisation de l’identité de ce réseau ne se fonde ainsi par sur un substrat de faits partagés ou sur une grille de lecture commune de la crise sanitaire, mais sur une posture de dénonciation des élites politiques, économiques et scientifiques. Elle permet ainsi la convergence des « anti- », y compris les antivaccins, les antienvironnementalistes et les antipluralistes, mais surtout les antiélites et les antisystèmes, et participe très tôt dans la crise provoquée par la COVID‑19 à l’élargissement du réseau.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.015 | 0.006 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.017 | 0.002 |
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".