Discours antiféministes en ligne : une analyse impliquée et performative des matériaux textuels tirés du Web social au Québec
Bibliographic record
Abstract
Cette thèse doctorale, intitulée Discours antiféministes en ligne : une analyse impliquée et performative des matériaux textuels tirés du Web social au Québec, a pour objectif de cartographier des discours antiféministes diffusés sur le Web social au Québec en offrant une typologie originale. Dans un contexte socionumérique, cette thèse vise à concevoir comment les discours antiféministes peuvent être considérés ou non comme des violences faites aux femmes. S'intéressant à l'espace public numérique, l'analyse cible également comment les composantes structurantes des réseaux sociaux favorisent une telle prise de parole antiféministe. Au final, la thèse doctorale déploie les modalités de pouvoirs émanant des discours antiféministes partagés en ligne au Québec. L'étude repose sur une analyse de données impliquée et qualitative dont l'échantillonnage est tiré des réseaux sociaux au Québec entre les années 2014 et 2018. Deux catégorisations principales et originales ont été identifiées, soit les techniques de disqualification directes (injures objectivantes faites au corps, injures objectivantes faites à la sexualité, injures animalisantes et accusations de folie) et indirectes (accusation de misandrie, banalisation, caricature, accusation de radicalisme). Une variante de trois tons principaux (agressif, ironique et paternaliste) a été également ciblée. Les résultats de cette analyse doctorale permettent de cartographier les discours antiféministes en ligne, de concevoir le rôle des plateformes d'échange numérique dans la popularisation de ces propos, d'examiner la composante violente de cette rhétorique à travers des rapports de force qui s'en dégagent et d'approfondir la portée idéologique qui en découle.
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 | 0.003 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.010 | 0.005 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.023 | 0.002 |
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".