Les usages solidaires des médias sociaux : le cas de la tragédie de Lac-Mégantic au Québec
Bibliographic record
Abstract
Le 6 juillet 2013, un train pétrolier a déraillé en plein coeur du centre-ville de la ville de Lac-Mégantic, se dirigeant tout droit dans le bar Musi-Café, où 47 personnes ont tragiquement perdu la vie. Cet événement dramatique a amené un grand nombre de gens à exprimer leur soutien et leur solidarité en ligne. L’objectif de cette étude est de cerner comment la solidarité s'est exprimée à travers la participation des citoyens sur Facebook et Twitter, et comment cette solidarité a évolué dans le temps. Pour ce faire, nous avons analysé, de 2013 à 2020, les commentaires publiés sur un groupe de soutien public sur Facebook et les tweets sur Twitter ayant mentionné le mot-clic #lacmégantic. À partir des travaux sur les formes de solidarité en ligne et sur les usages des médias sociaux, nous avons identifié quatre formes de solidarité basées sur des modes d’expression distincts : a) le mode d’expression des victimes; b) le mode d’expression des compagnons et concitoyens; c) le mode d’expression des personnes singulières; et enfin d) le mode d’expression des citoyens du monde. Les résultats ont montré que les formes de solidarités diffèrent selon la plateforme utilisée, notamment en raison des caractéristiques de ces plateformes et du public auquel elles s’adressent. Les marques de solidarité ont aussi pris la forme d’une mobilisation, principalement sur Twitter, dès les premières heures suivant la tragédie. Plusieurs années après la tragédie, il reste des marques de solidarité présentes sur les médias sociaux, qui contribuent à la mémoire collective de la tragédie et permettent à l'expression de la solidarité de perdurer dans le temps, notamment autour de temporalités clés comme les dates d’anniversaire des victimes ou la date de la tragédie. Avec cette recherche, nous espérons avoir éclairé la part du bon des médias sociaux, souvent dépeints comme étant les maux de notre société contemporaine, et la sincérité des sentiments exprimés en ligne. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : solidarité, usages, médias sociaux, Lac-Mégantic, tragédie
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.012 | 0.004 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 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".