Hyperconnexion et (in)dépendance des gestionnaires de communautés québécois·e·s face aux plateformes
Bibliographic record
Abstract
Se professionnalisant depuis quelques années, le métier de gestionnaire de communautés en ligne (GCL) se caractérise de plus en plus par une double plateformisation, à travers d’une part la multiplication des tâches et des outils nécessaires au travail sur les réseaux socionumériques, et d’autre part la nécessité de se tenir informé sur les évolutions algorithmiques des plateformes. L’objectif de cet article est de comprendre les enjeux auxquels font face les GCL au Québec, telles que l’hyperconnexion et la déconnexion, en lien avec le phénomène de plateformisation. Pour ce faire, nous mobilisons les données d’un projet de recherche mené entre 2020 et 2022 auprès de GCL du Québec, dans une démarche qualitative. L’approche méthodologique se décompose en deux volets, consistant d’abord en 33 entretiens qualitatifs avec des GCL du Québec autour de leurs pratiques, puis en deux groupes de discussion. Nos résultats permettent d’identifier une dépendance aux plateformes, en lien avec l’absence de régulation du métier de GCL au Québec en regard des horaires de travail et l’usage des dispositifs dans leur vie personnelle. De plus, les GCL sont souvent confronté·e·s à l’hyperconnexion, participant au technostress. Par la nature même de cette profession, l’hyperconnexion apparaît difficilement contournable en raison des exigences d’apprentissage continuel et de la multitude des outils nécessaires à la réalisation des tâches. Des tactiques de déconnexion mobilisant différents types de barrières (matérielles, temporelles, spatiales, organisationnelles, relationnelles, administratives) sont néanmoins mises en place de manière individuelle par les GCL pour tenter de préserver leur équilibre de vie.
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 | 0.001 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| 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".