En quoi la politique des quotas de diffusion d'une chaîne publique influence-t-elle sa programmation "fiction" ?
Bibliographic record
Abstract
La problématique de ce mémoire est la suivante : « en quoi la politique des quotas de diffusion imposée à une chaîne publique influence la programmation “fiction” de celle-ci ?». Pour répondre à cette problématique, nous avons réalisé une analyse comparative entre la programmation « fiction » de deux chaînes publiques : La Une et ICI Radio-Canada. Dans un premier temps, nous avons constaté qu’ICI Radio-Canada est soumise à un quota de diffusion de contenus nationaux alors que La Une doit respecter un quota de contenus européens, mais aucun quota de diffusion lié aux contenus nationaux. A la suite de cela, nous avons émis l’hypothèse que l’absence de quota de diffusions de contenus nationaux favorise la diffusion de programmes étrangers. Pour vérifier l’hypothèse et apporter des éléments de réponse à notre problématique, nous avons mis en place une analyse de la programmation «fiction » de ces deux chaînes. Les résultats statistiques obtenus nous ont permis de confirmer notre hypothèse et de fournir deux éléments de réponse par rapport à notre problématique. Tout d’abord, la politique des quotas de diffusion influence l’origine des programmes de fiction de la chaîne. Ensuite, la politique des quotas de diffusion joue également un rôle sur la durée des programmes de fiction.
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 | 0.008 | 0.032 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.005 |
| Scholarly communication | 0.008 | 0.008 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.027 | 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".