MétaCan
Menu
Retour à la cohorte
Enregistrement W1506452241 · doi:10.5694/j.1326-5377.2010.tb04109.x

Deconstructing cancer: what makes a good‐quality news story?

2010· article· en· W1506452241 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueThe Medical Journal of Australia · 2010
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueMedia Influence and Health
Établissements canadiensInstitute for Clinical Evaluative Sciences
Organismes subventionnairesnon disponible
Mots-clésHyperboleEmotivePsychological interventionCancerMedicineNewspaperBreast cancerQuality (philosophy)PsychologyInternal medicineLinguisticsNursingMedia studiesSociologyMetaphor

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To describe an in-depth analysis of the content and quality of stories about new cancer interventions in Australian media. DESIGN AND SETTING: Search of the Media Doctor Australia media-monitoring website for stories about newly reported cancer interventions, including drugs, diagnostic tests, surgery and complementary therapies, that had been collected from June 2004 to June 2009 and rated for quality using a validated rating instrument. A mixed-methods approach was used to analyse data and story content. Data from the website on stories about other new health interventions and procedures were compared. MAIN OUTCOME MEASURES: Differences in quality scores between cancer-related news stories ("cancer stories") and other stories, and between types of media outlet; differences in how cancer was reported in terms of cancer type, morbidity, mortality, and in the use of hyperbole and emotive language. RESULTS: 272 unique cancer stories were critically reviewed by Media Doctor Australia. Cancer stories had significantly higher scores for quality than other stories (F=7.1; df=1; P=0.008). Most cancer stories concerned disease affecting the breast or prostate gland, with breast cancer appearing to be over-represented as a topic relative to its incidence. Pairwise comparisons showed statistically significant superiority for broadsheet newspaper stories over online stories (F=12.7; df=1; P<0.001) and television stories (F=10.7; df=1; P=0.001). Descriptions of morbidity and mortality were variable and often confusing in terms of numbers, time periods and locations. Literary devices including hyperbole and emotive language were used extensively, mostly by the researchers. CONCLUSIONS: While reporting of cancer in the general media is of low quality, many of the poorer aspects of content are directly attributable to the researchers. Researchers and journals need to do more to ensure that a higher standard of information about cancer is presented to the media.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,867
Score d'incertitude au seuil0,983

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0180,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,123
Tête enseignante GPT0,394
Écart entre enseignants0,271 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle