Analyse critique du discours en ligne sur les dénonciations de violences à caractère sexuel : le cas de la liste de potentiels agresseurs, Dis son nom
Bibliographic record
Abstract
Les fils de commentaires sur Facebook permettent aux internautes de s’exprimer sur différents enjeux. Dans le cadre de ce mémoire, les fils de commentaires sous des articles médiatiques provenant de trois journaux (Journal de Montréal, Le Devoir et La Presse) trainant de la liste de présumés agresseurs Dis son nom ont été analysés. À partir d’une analyse critique de discours, 201 commentaires en réaction à 13 articles médiatiques ont été étudiés afin de répondre à la question de recherche suivante : « Quelles sont les représentations dominantes des dénonciations de violences à caractère sexuel sur les réseaux sociaux dans les commentaires Facebook en réaction aux publications d’articles médiatiques concernant la liste de potentiels agresseurs Dis son nom ? ». De ce fait, l’analyse critique de discours a permis l’étude des représentations dominantes au sein des commentaires Facebook au sujet des dénonciations de violences sexuelles sur les réseaux sociaux. Les résultats de la recherche ont relevé que les discours ont des perspectives davantage négatives au sujet des dénonciations en ligne et que la majorité de ces commentaires ont été partagés par des internautes identifiés comme hommes. L’analyse a illustré que certains commentaires soulignent une transformation et une déconstruction des discours hégémoniques en matière de genre, en permettant notamment une prise de parole émancipatrice. Néanmoins, la plupart des commentaires reproduisent ces discours hégémoniques. L’analyse a également permis de saisir les rapports de pouvoir présents dans les discours, de relever les implicites, les non-dits et les paradoxes, en plus de certains stéréotypes de genre liés aux violences sexuelles au sein des commentaires. \n_____________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : Dis son nom, Facebook, commentaire(s), réseaux sociaux, violences à caractère sexuel, violence(s) de genre, victime(s), #MoiAussi, culture du viol, Analyse critique de discours
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 teacher head, 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".