MétaCan
Menu
Retour à la cohorte
Enregistrement W2017391103 · doi:10.5539/jsd.v6n2p56

Press Coverage of Climate Change Issues in Nigeria and Implications for Public Participation Opportunities

2013· article· en· W2017391103 sur OpenAlexvenueno aff
Herbert Batta, Ashong C. Ashong, Abdullahi Saleh Bashir

Notice bibliographique

RevueJournal of Sustainable Development · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueClimate Change Communication and Perception
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFraming (construction)Climate changeNewspaperGreenhouse gasPolitical scienceEnvironmental resource managementEnvironmental planningNatural resource economicsGeographyEconomicsEcologyLaw

Résumé

récupéré en direct d'OpenAlex

Nigeria faces a lot of environmental problems such as extensive gas flaring, deforestation, and desertification with serious consequences on climate change. How are these issues covered and framed by Nigerian newspapers? Content analysis of systematically sampled, 438 issues from 4380 issues of four purposively selected dailies between 2007 and 2009 shows dominance of climate politics/economics issues (61.2%), foreign sourcing of reports (63.4%), straight news formatting of reports (83.6%) and framing in terms of mitigation (55.2%). Mitigation efforts aim to reduce or prevent emission of greenhouse gases implicated in climate change. We conclude that coverage and framing constrain opportunities for popular participation in climate change discourse. To improve the situation, Nigerian newspapers should broaden the scope of climate change coverage and framing, widen local sourcing of reports, diversify the formats of reporting, and frame the issues more in the mould of adaptation (activities and measures to reduce risks posed by climatic changes) to boost involvement of people in climate change discourse through monitorial, supportive and collaborative strategy in agenda setting agenda.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,019
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,002
Communication savante0,0040,003
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,453
Tête enseignante GPT0,436
Écart entre enseignants0,017 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations53
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable DevelopmentMême sujetClimate Change Communication and PerceptionTravaux en français237 207