Les premiers effets de la pandémie de Covid-19 sur les journalistes du Québec
Bibliographic record
Abstract
La pandémie de COVID-19 bouleverse le monde entier lorsqu’elle survient en mars 2020. C’est le début d’une couverture journalistique exceptionnelle où pendant des semaines, voire des mois, toutes les nouvelles portent exclusivement sur le nouveau coronavirus qui paralyse la planète. Les journalistes, qui composaient déjà avec la crise financière des médias, sont alors confrontés à un flux d’information exorbitant et au fléau de la désinformation qui prend une ampleur jamais vue jusqu’alors. À cela s’ajoutent les risques sanitaires auxquels les professionnels de l’information doivent s’adapter pour se protéger tout en poursuivant leur travail, à l’heure où le grand public cherche par tous les moyens à s’informer. Ce mémoire est l’une des premières recherches universitaires à explorer la façon dont la pandémie de coronavirus affecte les journalistes du Québec dans la production de l’information. À partir de l’analyse de neuf entretiens semi-dirigés réalisés avec des journalistes qui ont couvert activement la pandémie, nous présentons comment ils se sont adaptés à de nouvelles contraintes qui ont menacé le droit à l’information. Nous abordons également leurs perceptions quant au double rôle qu’ils ont joué, celui de messagers et de chiens de garde du gouvernement. Enfin, nous présentons leur vision de l’importance de leur métier ainsi que leurs inquiétudes quant aux effets néfastes que la pandémie pourrait avoir sur l’avenir des médias d’information. Comme les journalistes jouent un rôle névralgique dans la communication de risques, qu’on appréhende d’autres vagues de COVID-19 et que d’autres crises sanitaires surviendront certainement, il importe de bien saisir les enjeux et défis avec lesquels les professionnels de l’information ont dû composer lors de cette pandémie mondiale. Ce mémoire établit la pertinence d’analyser le travail des professionnels de l’information et leur capacité à jouer pleinement leur rôle lors d’une prochaine crise sanitaire. De plus, il pointe vers des enjeux sur lesquels il faudra se pencher rapidement pour que les journalistes puissent continuer de réaliser leur travail.
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 | 0.004 | 0.022 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.006 | 0.002 |
| Scholarly communication | 0.005 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.019 | 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".