La mise en récit des ethos écologiques sur Instagram :une cartographie entre la France et le Québec
Bibliographic record
Abstract
Notre travail, dont le cadre théorique est celui de l’Analyse du discours, a pour objectif d’étudier les modalités discursives de présentations de soi écologiques sur le réseau social Instagram. L’analyse, portant sur un corpus de 13 profils français et québécois issus des domaines politiques, activistes journalistiques et publicitaires, sur une durée d’un an, examine leurs discours environnementaux. Après une réflexion sur les attributs et les contraintes qui modèlent l’éthos discursif sur ce réseau social, ainsi que sur les caractéristiques constitutives des discours sur l’environnement, nous analysons 4 axes :le pathos, les imaginaires socio-discursifs de la nature ainsi que les idéologies qui s'y articulent, les constituants polysémiotiques des publications et les mises en évidence icono-verbales des instances énonciatrices. L’étude se sert de (et tend à prolonger) la typologie de discours environnementaux de l’ouvrage de J. Dryzek (2022). Le discours environnemental est le siège de confrontations entre d’une part des valeurs et des idéologies parfois paradoxales et d’autre part des émotions foisonnantes, dans la mesure où la défense de la nature est devenue un sujet moral et politique. Cette thèse rend donc compte de la fragmentation du discours écologique sur un réseau social fortement fréquenté par les jeunes au premier quart du XXIe siècle.
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 | 0.004 | 0.007 |
| Science and technology studies | 0.009 | 0.008 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.012 | 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 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".