Les pratiques de commentaires des usagers et usagères de Facebook sur les publications d’actualités journalistiques
Bibliographic record
Abstract
Alors qu’Internet et les médias sociaux transforment l’industrie journalistique, les données canadiennes du Digital News Report de 2021 montrent que 51% de la population canadienne francophone se sert de Facebook pour « lire, commenter ou partager des nouvelles » (CEM, 2021, p.9). La section commentaires des publications d’actualités journalistiques sur Facebook fournit un espace de discussion où se manifestent de nouvelles dynamiques d’interactions entre les personnes. Dans le cadre de cette recherche, nous cherchons à comprendre les significations que les usagères et usagers de Facebook donnent aux pratiques d’échanges et de participations dans les espaces de commentaires des publications d’actualités journalistiques. Nos fondements théoriques reposent sur le courant de l’interactionnisme symbolique qui permet d’aborder les dynamiques d’interactions dans ces espaces, ainsi que sur le courant de la sociologie des usages des technologies de communication qui permet de mieux comprendre le rapport entretenu entre l’usager ou l’usagère et le média, tout en considérant les processus de socialisation s’y rattachant. La posture épistémologique constructiviste qui guide notre recherche, ainsi que la stratégie de recherche qualitative employée nous ont conduit à mener treize entretiens avec huit personnes. Nos analyses et interprétations s’organisent dans un premier temps autour des pratiques de commentaires, soit par la façon dont ces dernières s’inscrivent dans le quotidien des usagères et usagers, leur évolution à travers le temps, ainsi que la distinction entre les dynamiques d’échanges dans ces espaces et dans d’autres contextes d’échanges. Elles s’organisent dans un deuxième temps autour des significations, en se penchant sur l’importance accordée aux espaces de commentaires et à la contribution, ainsi qu’à la manière dont les usagères et usagers perçoivent les autres usagères et usagers à travers leurs commentaires. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : interactions, échanges, participation, usager, Facebook
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 | 0.038 | 0.135 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.006 | 0.007 |
| Science and technology studies | 0.015 | 0.016 |
| Scholarly communication | 0.023 | 0.019 |
| Open science | 0.002 | 0.009 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.015 | 0.004 |
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".