MétaCan
Menu
Back to cohort
Record W7104447027 · doi:10.71781/19508

Humour et vivre ensemble : l’industrie humoristique québécoise au prisme de la diversité culturelle et religieuse

2020· dissertation· fr· W7104447027 on OpenAlexaboutno aff

Bibliographic record

VenuePapyrus : Institutional Repository (Université de Montréal) · 2020
Typedissertation
Languagefr
FieldPsychology
TopicHumor Studies and Applications
Canadian institutionsnot available
Fundersnot available
KeywordsFree accessIdentity (music)Social behaviour

Abstract

fetched live from OpenAlex

Cette thèse de doctorat porte sur les implications de l’humour dans l’établissement du vivre ensemble au Québec. Je me penche tout particulièrement sur la production, le contenu et les effets des discours humoristiques dans le développement de certaines attitudes politiques à l’égard des communautés issues de la diversité culturelle et religieuse québécoise. L’ensemble de la recherche a été réalisé à travers la rédaction des trois articles, lesquels visent à mieux saisir la trajectoire empruntée par les messages humoristiques traitant de ces enjeux. Le premier article s’attarde sur les motivations et les procédés à travers lesquels les humoristes et les artisans de l’humour construisent leurs numéros. Cette partie de l’étude a pour objectif de comprendre les facteurs d’influence de création humoristique traitant des enjeux du vivre ensemble tels que perçus par les membres de l’industrie de l’humour au Québec. Grâce à la réalisation d’une vingtaine d’entrevues semi-dirigées, on constate que le premier et principal vecteur de création de numéros d’humour reste l’individu, l’humoriste lui-même. C’est avant tout ses points de vues, sa façon de comprendre et d’interpréter le vivre ensemble qui est mis de l’avant. Le reflet de la société que renvoie l’humoriste est toutefois sous l’influence des pressions qu’il perçoit de la part de l’auditoire. Ainsi, les créateurs d’humour, comme tant d’autres personnalités ou groupes de l’espace public, sont soumis à un contrat de communication, lequel demeure à l’esprit de bon nombre d’humoristes. Le second article propose une analyse de contenu de 76 vidéos humoristiques répertoriées sur la plate-forme de visionnement YouTube et abordant les questions du pluralisme. On y découvre que même si plus de 25 communautés culturelles et religieuses font l’objet de caricatures et de railleries, c’est la communauté arabo-musulmane qui représente la principale cible des humoristes, que ces derniers proviennent du groupe majoritaire ou des minorités. Le stéréotype liant islam et terrorisme est alors évoqué de façon récurrente. Le troisième et dernier article se penche sur les effets de l’humour sur l’alimentation des préjugés auprès des individus. Il s’agit d’une étude expérimentale réalisée auprès de quelques 216 personnes séparées en deux groupes : un groupe a été exposé à des numéros véhiculant des stéréotypes culturels et religieux, à l’égard des arabo-musulmans en particulier, l’autre groupe a été confronté à des prestations ne comportant pas ce genre de stéréotypes. D’une part, on n’observe aucun effet direct significatif, sans variable amplificatrice, entre les deux groupes, suggérant qu’il faut peut-être prendre en compte d’autres facteurs pouvant jouer un rôle. D’autre part, des impacts significatifs sont en effet observables en fonction de la participation religieuse. Ainsi, les effets de l’humour sont à l’évidence complexes à mesurer et il importe de prendre en considération des variables modératrices (moderated effects) afin d’en apprécier empiriquement les répercussions. En regard des différentes conclusions tirées dans mes trois recherches, il subsiste un écart entre la responsabilité ou les impacts des créations humoristiques tels que perçus par les humoristiques et ce que leurs numéros contiennent et les effets que ces derniers engendrent sur le terrain.

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.002
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Qualitative · Consensus signal: Qualitative
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.213
Threshold uncertainty score0.429

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.002
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0010.001
Science and technology studies0.0080.006
Scholarly communication0.0050.002
Open science0.0010.002
Research integrity0.0010.002
Insufficient payload (model declined to judge)0.0120.001

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.

Opus teacher head0.010
GPT teacher head0.241
Teacher spread0.231 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designQualitative
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2020
Admission routes1
Has abstractyes

Explore more

Same venuePapyrus : Institutional Repository (Université de Montréal)Same topicHumor Studies and ApplicationsFrench-language works237,207