Expanding the Art of the Possible: Leveraging Citizen Journalism and User Generated Content (USG) for Peace in Sri Lanka
Notice bibliographique
Résumé
At first blush, the media in Sri Lanka is diverse and multilingual with distribution and consumption of traditional media (e.g. TV, radio, print) spread over the island. Further examination reveals serious and growing challenges to impartial, accurate and responsible journalism. Journalists themselves rarely adhere to professional standards and ethics, or are often violently coerced into supine, submissive agents of government propaganda. There is not a single newspaper in Sri Lanka that is in Sinhala and Tamil. Journalists themselves tend to be monolingual. Lack of access to the embattled North and East and the stereotypes of the other result in biased, unprofessional reporting that fuels war (Deshapriya and Hattotuwa 2003 and 2005). The overarching problems of a state riven by violent conflict, corruption, nepotism and the significant breakdown of democratic governance and human rights, especially in recent years, deeply inform the timbre of traditional media. It is a vicious symbiosis – traditional media is both shaped by and shapes a violent public imagination. The potential of web 2.0 and new media in general and citizen journalism, mobile phones and USG in particular (e.g. You Tube videos, blogs, SMS and mobile sites) suggests that content that critiques the status quo, authored by civil society, can play a constructive and increasingly significant role in peacebuilding and stronger democratic governance in Sri Lanka. Through the example of Groundviews, Sri Lanka's first citizen journalism website, this chapter will interrogate the potentials and pitfalls of web and Internet activism in a country where political violence is an everyday reality.
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.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».