La banalisation du suprémacisme blanc sur YouTube : analyse des convergences et des influences idéologiques au sein de l’extrême droite française
Bibliographic record
Abstract
Cette recherche examine la prolifération du discours d’extrême droite sur les médias sociaux, spécifiquement dans le contexte français, en analysant le contenu produit par sept vidéastes français d’extrême droite dans 55 vidéos. L’étude vise à comprendre comment les messages suprémacistes blancs sont rendus plus acceptables pour le grand public, malgré les interdictions juridiques et réglementaires des plateformes. L’analyse révèle que l’essentialisation du genre des individus crée les conditions d’une essentialisation de la race, conduisant à un renforcement mutuel entre masculinisme et suprémacisme, qui permet un cadrage plus acceptable du message suprémaciste blanc. L’étude identifie également des phénomènes tels que les emprunts idéologiques et rhétoriques inspirés de la métapolitique d’Alain de Benoist. L’article contribue à une meilleure caractérisation des aspects spécifiques de l’extrême droite en ligne dans le contexte français.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.006 | 0.005 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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".