Le discours des médias sur les catastrophes environnementales : évolution et caractérisation entre 1992 et 2013 : le cas du Québec
Bibliographic record
Abstract
Ce mémoire visait à jauger l'évolution du discours des médias écrits québécois sur trois grandes catastrophes naturelles ayant frappé le Québec entre 1992 et 2013 en rapport avec les trois sphères du développement durable : sociale, environnementale et économique. Nous avons posé comme principale question : considérant une grande amélioration dans la compréhension des enjeux climatiques au sein de la société en général et le rôle social des médias en tant qu'agents sociaux intervenants dans les représentations sociales, « est-ce que les discours des médias écrits québécois ont évolué sur les catastrophes naturelles au Québec entre 1992 et 2013? » Cette évolution des discours a été analysée via le logiciel d'analyses lexicométriques IRaMuTeQ. Nous avons constitué des corpus d'articles de quatre grands quotidiens québécois : La Presse, Le Droit, Le Soleil et Le Devoir correspondant aux années 1996, les inondations du Saguenay-Lac-St-Jean, 1998, la crise du verglas et 2011, les inondations du Richelieu. Des analyses lexicométriques sur les corpus de type statistiques simples, analyse des spécificités, analyse factorielle des correspondances et classification hiérarchique descendante, méthode Reinert, nous permettent de déterminer que de 1996 à 2011 la prédominance des discours sur les trois sphères du développement durable a reculé pour tous les journaux. Les résultats sur l'évolution de la sphère économique des médias peuvent être induits par des subtilités discursives ou se refléter à travers d'autres aspects ne pouvant être directement étudiés avec ce type d'analyse; nous convenons tout de même que l'utilisation de ces données et résultats peut servir à démontrer une situation asynchrone voire un délaissement des médias quant aux grands enjeux contemporains. De futurs travaux sur ces subtilités discursives économiques moins évidentes auraient la force de mieux les définir. Nous croyons que les résultats d'analyses avec la forme sécurité mérite d'être étudié davantage car il pourrait être associé indirectement à la sphère économique de par son impact sur le lectorat. \n_____________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : analyse lexicométrique, évolution du discours, catastrophe naturelle, médias québécois, sphères du développement durable, environnement, social, économie, changement climatique
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 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 teacher head, 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".