MétaCan
Menu
Retour à la cohorte
Enregistrement W2485506907 · doi:10.4018/978-1-4666-8838-4.ch013

Mobile Journalism and Innovation

2015· book-chapter· en· W2485506907 sur OpenAlexaboutno aff
Marcos Palácios, Suzana Barbosa, Fernando Firmino da Silva, Rodrigo Cunha

Notice bibliographique

RevueAdvances in multimedia and interactive technologies book series · 2015
Typebook-chapter
Langueen
DomaineBusiness, Management and Accounting
ThématiqueUniversity-Industry-Government Innovation Models
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAffordanceJournalismRepresentativeness heuristicNarrativeTechnological convergenceConvergence (economics)Sample (material)Political scienceSociologyComputer scienceHumanitiesMedia studiesArtPsychologyHuman–computer interactionTelecommunicationsLiteratureSocial psychology

Résumé

récupéré en direct d'OpenAlex

Using a qualitative methodological approach, this chapter brings to bear a theoretical and conceptual framework with particular consideration to the notions of innovation, journalistic convergence, design and the theory of affordances, as well as mobile communication and mobile journalism. This analysis covers the period 2010-2014 and seeks to examine the specific affordances, the structure, organization and types of narratives produced; the design and use of multimedia features as well as the level of integration with other products in the same news organization. The empirical corpus consists of products selected for their representativeness within a broader sample: O Globo a Mais, Estadão Noite, and Diário do Nordeste Plus (Brazil), La Repubblica Sera (Italy), La Presse+ (Canada) and El Mundo de la Tarde (Spain). The study concludes that - although timid - experimentation continues to prevail regarding formats, content, language and narratives based on the features of mobile devices, the continuous evolution of operating systems and changes in hardware platforms.

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)0,010
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,022
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0050,007
Études des sciences et des technologies0,0060,018
Communication savante0,0150,012
Science ouverte0,0010,007
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,022
Tête enseignante GPT0,259
Écart entre enseignants0,237 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations7
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in multimedia and interactive technologies book seriesMême sujetUniversity-Industry-Government Innovation ModelsTravaux en français237 207