Étude du vocabulaire traitant d'un fait d'actualité internationale : cas du dossier nucléaire iranien dans la presse écrite québécoise et française
Bibliographic record
Abstract
Dans le cadre de ce mémoire, nous nous sommes intéressée au vocabulaire utilisé par la presse francophone, à savoir française et québécoise, lorsqu'elle traite d'un fait d'actualité internationale. L'objectif de la présente étude exploratoire est de vérifier si l'information diffusée par la presse écrite quotidienne au Québec, concernant le dossier nucléaire iranien, est différente de celle diffusée par la presse écrite quotidienne française. Cette vérification a été faite à partir d'un corpus de textes publiés par deux quotidiens québécois, La Presse et Le Devoir, et deux quotidiens français, Le Monde et Le Figaro. Le but de notre recherche était de procéder à l'analyse du vocabulaire employé par ces quatre quotidiens lorsqu'ils diffusent l'information touchant le dossier nucléaire iranien. Nous nous sommes intéressée à la sélection et à la distribution des mots-clés composant le discours de ces quotidiens diffusés au Québec et en France. Nous avions posé l'hypothèse suivante : l'information internationale diffusée au public québécois est différente de celle diffusée en France, et cette différence est perceptible par le vocabulaire employé. Pour considérer cette question de recherche, nous avons constitué un corpus composé de tous les articles publiés par deux quotidiens français, Le Figaro et Le Monde, et par deux quotidiens québécois, La Presse et Le Devoir traitant du dossier nucléaire iranien, entre le 14 et le 31 janvier 2006. Ces articles ont été soumis à une analyse statistique textuelle effectuée à l'aide du logiciel Alceste. Le vocabulaire employé pour la diffusion des informations touchant le dossier nucléaire iranien s'est avéré différent dans les quotidiens français et québécois. Ces différences sont effectivement perceptibles par le degré d'importance donnée aux mots constituant ce vocabulaire et par leur distribution dans les textes de chaque quotidien étudié. Notre étude se distingue des démarches d'analyse dans lesquelles la subjectivité du chercheur n'est pas suffisamment contrôlée aux endroits névralgiques du processus de recherche. Grâce à l'analyse statistique des données textuelles appliquée à notre corpus, nous sommes en mesure d'appuyer notre interprétation des textes sur des données factuelles. L'étude de la distribution des formes (mots) dans les textes nous a permis de retracer puis de décrire les différentes tendances inscrites dans un corpus traitant d'un même fait d'actualité. En d'autres termes, cette étude de la distribution des formes nous a permis de mettre en évidence des sous thèmes, des dimensions, des pôles du discours, des tendances préférentielles dans le traitement de la même information. Ainsi, Le Figaro s'est intéressé davantage au volet économique et militaire du dossier iranien; La Presse, à la proposition russe d'enrichir l'uranium iranien sur son propre sol et à l'aspect technique et scientifique de la technologie nucléaire; Le Devoir, aux efforts diplomatiques et à la technologie nucléaire, et enfin, Le Monde, qui s'est particulièrement intéressé au discours de Chirac et à l'inflexion de la doctrine de dissuasion française, a pu rendre compte de toutes les facettes du sujet. Notre hypothèse se confirme donc : l'information, concernant le dossier nucléaire iranien, diffusée au public québécois est différente de celle diffusée en France, et cette différence est perceptible par le vocabulaire employé.
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
Direct model labels (unvalidated)
Per-model category and study-design labels from the labeling rounds. They are machine output, unvalidated, and the disagreement between models ships as data. No study design here is MEDLINE-validated yet.
| Model arm | Categories | Study design | Confidence |
|---|---|---|---|
| gemma | no category Domain: not available · Genre: Empirical About the Canadian research system: no · About a Canadian topic: yes | Observational | low |
| gpt | no category Domain: not available · Genre: Empirical About the Canadian research system: no · About a Canadian topic: no | Qualitative | high |
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 | 0.005 | 0.016 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.005 | 0.007 |
| Science and technology studies | 0.004 | 0.004 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 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, unvalidatedLabeled directly by 2 models reading the full record.
The models disagree on parts of this classification; every voice is preserved in the section at the end of the page.
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".