La mobilisation des jeunes sur les réseaux sociaux pendant les campagnes électorales : l'analyse comparative entre la France et la Russie
Bibliographic record
Abstract
La présente thèse propose une analyse et une systématisation de l’utilisation des réseaux sociaux en période électorale tant au niveau national que local. Ainsi seront étudiées les techniques numériques utilisées, les formes et les méthodes de communication politique « en ligne » au cours des campagnes présidentielles de 2012 en France et en Russie et les campagnes municipales à Bordeaux et à Moscou en 2014 et 2013. Seront donc comparés les ressorts utilisés dans deux pays différents et qui ont permis de transformer les grands réseaux sociaux tels que Facebook, Twitter, Instagram et VKontakte en outils de rassemblement politique attirant de nombreux jeunes à participer activement au processus de campagne.Des entretiens réalisés avec des responsables des mouvements politiques français de Gironde tels ceux des Jeunes socialistes, des Jeunes Populaires et ceux du Front National, il ressort que l’activité numérique en France relève d’un caractère constructif. Ils servent à attirer et mobiliser la jeunesse de moins de 30 ans autours des candidats et de leurs partis grâce à un support en ligne mais s’accompagnent d’un militantisme de terrain, dans la vie réelle.En revanche, il apparaît qu’en Russie, le niveau élevé et l’influence de ces jeunes sur Internet fournit un soutien pour les nouvelles institutions de la société civile. Le succès de la mobilisation des jeunes appartenant à la classe moyenne urbaine relève d’une combinaison de « citoyenneté » et de « massification » de la protestation sur le réseau.En 2013, la volonté et mobilisation active des jeunes dans le projet politique à permis l’émergence de l’opposant Alekseï Navalny, qui a réuni 27% des suffrages et atteint la seconde place aux élections municipales de Moscou. La quasi intégralité de sa campagne a été effectuée sur les réseaux sociaux. Si le fait est courant pour nombre de ses homologues occidentaux, il convient de relever que ce n’est pas habituel pour les politiciens russes. Cette campagne « révolutionnaire » d’A. Navalny a été rendue possible par le fort soutien des jeunes Moscovites qu’il a pu mobiliser sur le plus grand réseau russe : VKontakte. L’organisation de la campagne s’est presque entièrement fondée sur l’utilisation des réseaux sociaux, tant pour la distribution de tracts dans les rues, que la sensibilisation et les collectes de dons.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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".