Journalisme et immédiateté : des pratiques journalistiques en évolution
Bibliographic record
Abstract
Ce mémoire de recherche-création a comme objectif de mieux comprendre les perceptions qu’ont les journalistes sur leur travail quotidien à l’ère numérique. Plus précisément, on tente de comprendre comment ces perceptions ont évolué depuis l’intégration des nouvelles technologies, comme Internet et les réseaux sociaux, au sein des entreprises médiatiques dans les 10 dernières années. En s’inspirant du concept d’accélération sociale d’Harmut Rosa, nous voulions examiner comment l’immédiateté conditionne quotidiennement les perceptions des journalistes sur les pratiques journalistiques. Pour l’illustrer, nous avons interviewé huit journalistes canadiens issus des quatre médiums différents – la télévision, la radio, la presse écrite et le web. D’autres facteurs comme l’âge, l’expérience de travail et le genre ont été pris en considération dans le processus de sélection des participants afin d’obtenir différentes perspectives sur le phénomène à l’étude. Ainsi, les journalistes participants ont été questionnés sur leurs façons de travailler et sur leur production, mais aussi sur leur rythme de travail, leur rapport au temps, l’intégration des technologies dans leur travail et les impacts de celles-ci. Les résultats, présentés sous forme de mise en abîme du journalisme, montrent que les journalistes ont l’impression qu’ils travaillent plus, travaillent plus vite, ont plus de pression, sont plus autonomes et multitâches, mais aussi que l’évolution des méthodes de travail a des répercussions sur la qualité de l’information. Ces sujets sont tous abordés dans les articles d’analyse rédigés pour le site web (Annexe 1) qui a été créé pour la partie créative de ce mémoire. Pour en arriver à ces résultats, nous avons opté pour une analyse thématique. Bien entendu, le faible échantillon de l’étude ne permet en aucun temps de proposer des généralités en la matière. Malgré cela, le nombre d’éléments communs dans chacune des entrevues démontre un raisonnement qui porte à croire que le travail des journalistes a bel et bien évolué depuis le début de l’ère 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 | 0.023 | 0.047 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.005 |
| Science and technology studies | 0.017 | 0.043 |
| Scholarly communication | 0.033 | 0.027 |
| Open science | 0.002 | 0.011 |
| Research integrity | 0.005 | 0.010 |
| Insufficient payload (model declined to judge) | 0.010 | 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".