"Pour boire il faut vendre" : la communication des brasseries sur les réseaux sociaux. Analyse de contenu et en reÌception des publications Facebook de deux marques de bieÌre en 2014
Bibliographic record
Abstract
Ce mémoire cherche à savoir comment communiquent les brasseries sur les réseaux sociaux à l’heure du Web 2.0. L’arrivée de ce nouveau contexte interconnecté chamboule les pratiques de communication traditionnelles des entreprises. Les brasseries ne sont par ailleurs pas novices en termes de communication, de publicité et de marketing et jouissent d’une grande expérience en la matière. Elles ont l’habitude de communiquer certains messages, valeurs ou thématiques lors de leurs communications audio-scripto-visuelles à savoir la mise en avant de la convivialité, de la masculinité, du sport et du pays de production de leur breuvage. L’hypothèse que défend ce travail est que ces mêmes valeurs sont transposées aux communications effectuées par les brasseries sur les réseaux sociaux. Afin de confirmer cette hypothèse, ce mémoire met en œuvre une analyse de contenu et de réception d’un corpus de publications effectuées sur le réseau social Facebook lors des trois premiers mois de l’année 2014 par deux marques de bière importantes dans leur pays respectif : la Jupiler pour la Belgique et la Molson Canadian pour le Canada. Au terme de cette recherche, nous confirmons l’hypothèse de départ en concluant que les deux marques étudiées font appel aux mêmes thématiques que dans leur communication plus traditionnelle durant notre période d’étude. De plus, nous concluons que ces thèmes semblent efficaces au vu de la reprise qui en est faite dans les commentaires des « fans » des pages étudiées.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.004 | 0.006 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".