Repenser le pluralisme : une analyse des biais médiatiques dans les entretiens politiques de la droite radicale en France
Bibliographic record
Abstract
Cet article examine les biais médiatiques dans les entretiens politiques télévisés de personnalités de droite radicale sur quatre chaines d’information en continu françaises : l’Autorité de régulation de la communication audiovisuelle et numérique (ARCOM), centrée contenu des interactions entre les journalistes et les personnalités politiques, pourtant essentiel à l’évaluation du traitement médiatique. questions posées et des interventions des journalistes lors de 19 entretiens réalisés avec des membres du Rassemblement National et du parti Reconquête. L’analyse repose notamment sur le concept de questions Bavelas, qui menacent la « face » des personnes invitées(Goffman, 1955), et sur les approches médiatiques (confrontation, accommodation, biais prodémocratique) utilisées par les journalistes pour traiter la droite radicale (de Jonge, 2019). La méthodologie combine les analyses quantitative et qualitative. Les résultats montrent et prodémocratique, tandis que CNews et BFMTV adoptent plus souvent une posture accommodante. Les questions adressées au parti Reconquête ciblent principalement la face que celles posées au Rassemblement National visent davantage les autres traitement médiatique des personnalités de droite radicale, influencé par les journalistes et les repenser les critères d’évaluation du médiatique en intégrant l’analyse du contenu des échanges. Malgré des limites pluralisme dans les médias.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.004 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 teacher head, 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".