Élections à l'ère des mégadonnées : les conséquences de l'hyperclientélisme politique au Canada
Bibliographic record
Abstract
Lors de la campagne électorale fédérale de 2021, l’équipe de campagne du Parti libéral de Justin Trudeau a conçu un mirobolant total de 138 publications numériques différentes qui ont ensuite été envoyées à un électorat divisé en pas moins de 680 sous-groupes qui réunissaient des traits similaires et ce, seulement pour la population francophone québécoise. Chaque publication avait pour but de séduire les individus de ce petit ensemble trié sur le volet en leur faisant miroiter la facette du Parti libéral qui serait la plus à même de les persuader à noircir le cercle au côté de ce parti, une fois rendu dans l’isoloir. Cette stratégie électorale se nomme microciblage, elle est intimement liée aux analyses quantitatives et qualitatives de ce qu’on appelle les mégadonnées. Celles-là sont en fait une quantité astronomique de données numériques qui, prit à part, ne veulent pas dire grand-chose, mais qui, une fois organisés par de puissants algorithmes, peuvent révéler des tendances dont les stratèges politiques peuvent se servir pour calculer la probabilité que chacune des actions qu’ils pensent prendre a d’augmenter leurs gains électoraux. Ce genre de stratégie peut être qualifié de pratique hyperclientélisme, puisqu’au lieu de s’adresser à la population, de tenter de comprendre ses besoins globaux et de proposer des mesures qui vont dans le sens de l’intérêt général celle-ci, les partis politiques se concentrent sur les individus et leur font des promesses sur mesure, laissant l’intérêt général et le bien commun de la population dans le rétroviseur du temps. Ce travail de recherche s’intéresse donc à ces nouvelles stratégies électorales numériques qui arrivées avec les mégadonnées, au contexte à travers lequel elles ont été introduites en politique canadienne au milieu des années 2000, à la façon dont elles ont transformé la politique électorale et la structure même des partis politiques, ainsi qu’aux conséquences que celles-ci ont sur la santé de la démocratie canadienne. Notre regard se tournera aussi du côté juridique, où nous tenterons de démontrer que la faiblesse de la législation canadienne sur la question de la protection des données des citoyens, est en partie la cause de la croissance de l’hyperclientélisme en politique canadienne. Car en effet, pour nous, le manque de fermeté de la législation canadienne sur les enjeux de protection des renseignements personnels, la faiblesse des mécanismes de surveillance et d’application des mesures en vigueur et l’incapacité de la classe politique canadienne à réformer le droit canadien sur ces enjeux, permettent une dérive dans les stratégies électorales des partis politiques qui met en péril la démocratie, la volonté générale et le bien commun. \n_____________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : Politique électorale, Microciblage, Droit à la protection des renseignements personnels, Partis politique, Numérique
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 | 0.003 | 0.015 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.003 | 0.006 |
| Science and technology studies | 0.007 | 0.004 |
| Scholarly communication | 0.009 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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 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".