MétaCan
Menu
Retour à la cohorte
Enregistrement W2144955004 · doi:10.1111/j.1530-2415.2011.01259.x

How the Media Frames the Immigration Debate: The Critical Role of Location and Politics

2011· article· en· W2144955004 sur OpenAlexaff
Stephanie A. Fryberg, Nicole K. Stephens, Rebecca Covarrubias, Hazel Rose Markus, Erin D. Carter, Giselle Laiduc, Ana J. Salido

Notice bibliographique

RevueAnalyses of Social Issues and Public Policy · 2011
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media and Politics
Établissements canadiensKellogg's (Canada)
Organismes subventionnairesnon disponible
Mots-clésNewspaperFraming (construction)IdeologyPoliticsImmigrationPolitical scienceLawPublic opinionPolitical economySociologyEthnic groupHistory

Résumé

récupéré en direct d'OpenAlex

The media plays an important role in how the American public understands controversial social and political issues, such as immigration. The purpose of this article is to examine how key features of the media, such as location (Arizona vs. National) and political ideology (Liberal vs. Conservative), affect the framing of arguments supporting and opposing the anti‐immigration bill (Arizona SB 1070). A content analysis was conducted using 3 weeks of newspaper articles from two Arizona newspapers (one Conservative, one Liberal) and five national newspapers (three Conservative, two Liberal). Analyses revealed that both location and political ideology influenced the framing. Specifically, the national newspapers were more likely than Arizona newspapers to frame arguments supporting the bill in terms of threats (e.g., threats to economic and public safety) and to frame arguments against the bill in terms of civil rights issues (e.g., racial profiling). In terms of political ideology, Conservative newspapers were more likely than Liberal newspapers to frame the bill in terms of economic and public safety threats, but did not differ in mentions of civil rights issues. The implications for attitudes toward immigrants and legal ethnic minorities and for defining the boundaries of the American national identity are discussed.

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)0,007
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 enseignants0,017
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,019
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0060,003
Études des sciences et des technologies0,0070,013
Communication savante0,0170,012
Science ouverte0,0010,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,071
Tête enseignante GPT0,389
Écart entre enseignants0,318 · 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

Citations171
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnalyses of Social Issues and Public PolicyMême sujetSocial Media and PoliticsTravaux en français237 207