Québecor et les écologistes : polémique, polarisation et pistes de dépolarisation
Bibliographic record
Abstract
L’urgence climatique est souvent désignée comme un « méchant » problème public (wicked problem) à cause de sa grande complexité. La polarisation du débat public rajoute à cette complexité et pose un défi à la communication climatique. Dans ce mémoire, je m'inspire de la littérature francophone sur le débat public et de la littérature anglophone sur la polarisation politique pour étudier les moteurs discursifs de la polarisation du débat public et explorer le rôle des médias d’opinion dans ce processus. À partir du cas du Québec, j’analyse la réception des mobilisations pro-climat par les commentateurs médiatiques suite à la publication Rapport du GIEC de 2018 et des mobilisations mondiales qui l’ont suivie. J’étudie les opinions diffusées sur une période de 18 mois dans les médias de Québecor, premier groupe médiatique au Québec. À travers une méthodologie mixte combinant analyse quantitative, qualitative, argumentative et rhétorique d’un corpus varié (chroniques, émissions TV, entrevues radiophoniques avec des activistes), je montre que les opinions diffusées sont principalement en désaccord avec les mobilisations : non seulement les messages, idées et revendications sont critiqués mais les sources de ces messages sont elles-mêmes ciblées ainsi que le « camp » plus large auquel elles sont associées. Le recours important au registre polémique donne aux désaccords polémiques un potentiel polarisant qui pourrait avoir des implications pour le soutien populaire aux mobilisations et à l’action climatique plus en général. Cependant, l’observation de terrains d’entente, de nuances et de rhétoriques positives permettent de relativiser ce portrait : ces « surprises empiriques » aident à tracer des pistes de dépolarisation du débat face au problème urgent des changements climatiques.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.010 | 0.012 |
| Scholarly communication | 0.009 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.015 | 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".