Débuts, établissement et apogée des méthodes électorales à l'américaine sous l'Union nationale de Maurice Duplessis
Bibliographic record
Abstract
Les méthodes électorales à l'américaine ont transformé la façon de faire campagne en temps d'élection et sont maintenant répandues partout en Occident. Les conseillers en image et le recours aux firmes publicitaires font aujourd'hui partie de la donne électorale. Nées aux États-Unis dans la première moitié du XXe siècle, ces méthodes sont les prémisses du marketing électoral actuel. Longtemps avons-nous cru que ce phénomène est apparu dans les années 1960 au Québec, avec l'élection de Jean Lesage. Pourtant, près de quinze ans auparavant, un Premier ministre s'entoure d'une équipe pour mieux gagner ses élections. Maurice Duplessis a recours aux services de Joseph-Damase Bégin, ministre unioniste et ancien vendeur d'automobiles, qui se démarque par ses victoires dans son comté. Bégin s'allie à son tour les talents de Paul Bouchard qui devient directeur de la propagande de l'organisation électorale de l'Union nationale en 1946. Au fil des années, leur organisation grandit et permet à Duplessis de remporter parmi les plus grandes majorités parlementaires de l'histoire du Québec. Comment Bégin, Bouchard et leurs collègues y parviennent-ils? En personnalisant les campagnes de l'Union nationale, en recourant aux médias de masse et aux techniques publicitaires réputées performantes, en effectuant des analyses pré-électorales et surtout, en utilisant un budget faramineux. Voilà la recette du succès unioniste, inspiré des méthodes américaines.
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 | 0.004 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.014 | 0.006 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.016 | 0.003 |
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".