De « Maîtres chez nous » à « Libres chez nous » : quelques réflexions sur la fortune d’un slogan électoral au Québec
Bibliographic record
Abstract
« Maîtres chez nous ». Il n’est pas de slogans électoraux plus connus ou plus cités dans la littérature au Québec. Il s’agit du slogan électoral utilisé par le Parti libéral du Québec, en 1962, lors de la campagne électorale sur la nationalisation de l’hydroélectricité pilotée par René Lévesque, ministre des Richesses naturelles dans l’« équipe du tonnerre » de Jean Lesage. Soixante ans plus tard, un autre slogan le reprend pour mieux lui répondre : « Libres chez nous ». Il s’agit du slogan électoral utilisé par le Parti conservateur du Québec d’Éric Duhaime lors de la campagne électorale de 2022, marquée par la pandémie du coronavirus. Au-delà du clin d’œil évident au « Maîtres chez nous », où un mot se substitue à l’autre, en quoi le « Libres chez nous » répond-il ou se distingue-t-il de son illustre prédécesseur? Est-ce que le « nous » employé dans l’un et l’autre de ces slogans électoraux réfère au même sujet collectif? En d’autres mots, qu’est-ce que cela signifie de vouloir être « Maîtres chez nous », à l’orée du 21e siècle? Telles sont les questions auxquelles nous comptons répondre dans cette note de recherche.
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 | 0.001 | 0.002 |
| Science and technology studies | 0.010 | 0.006 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.012 | 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".