La nuit, le bruit nuit – Les messages de sensibilisation du paysage linguistique de Montréal : thèmes et stratégies de persuasion
Bibliographic record
Abstract
Ce mémoire de master porte sur les messages de sensibilisation présents dans le paysage linguistique de Montréal. Par ce terme nous désignons des messages visant à informer un public d’un enjeu particulier et à l’inciter à agir ou à modifier son comportement. L’objectif de l’étude est d’identifier les principaux thèmes abordés dans ces messages ainsi que les stratégies persuasives qu’ils mobilisent. L’ancrage théorique du mémoire repose sur la notion de persuasion, notamment à partir des définitions proposées par Taillard (2000) ainsi que par Stiff et Mongeau (2016). Les stratégies persuasives sont distinguées selon qu’elles relèvent d’arguments rationnels ou affectifs. Les arguments rationnels reposent sur la logique et les faits, relevant du logos, tandis que les arguments affectifs sollicitent le pathos : des émotions positives, comme la solidarité, ou négatives, comme la peur (Woch, 2015). Le corpus analysé se compose de 19 photographies de messages de sensibilisation recueillies dans divers espaces publics montréalais, tels que stations de métro, transports en commun et parcs. L’objectif de la collecte était de documenter les messages tels qu’ils apparaissent naturellement dans le quotidien des habitants de Montréal. L’analyse est structurée en deux parties. Dans la première partie sont identifiés six thèmes principaux : les bons comportements à adopter dans les transports en commun, la protection de l’environnement, l’écoresponsabilité, le comportement civique en ville, la langue française au Québec et le harcèlement sexuel. La seconde partie de l’analyse porte sur les stratégies de persuasion à l’oeuvre dans ces messages. Une stratégie récurrente a été mise en évidence : une stratégie dite « double », combinant l’usage de l’humour à un argument rationnel. L’humour sert à attirer l’attention et à instaurer une relation positive avec le destinataire, avant que le contenu normatif ne soit présenté, souvent en mobilisant la raison ou un sentiment de solidarité. Les arguments fondés sur des valeurs, comme l’obligation morale de protéger la nature, sont également fréquents. En revanche, le recours à la peur ou à la menace de sanctions demeure marginal. Les résultats de l’étude confirment l’hypothèse selon laquelle les messages de sensibilisation du paysage linguistique montréalais reflètent les valeurs de la société québécoise et reposent largement sur une persuasion fondée sur des émotions positives. Ils ne cherchent ni à moraliser ni à effrayer le public, mais à orienter les comportements en mobilisant des stratégies persuasives fondées sur l’humour et la solidarité.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.008 | 0.011 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 0.001 |
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.
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".