Sports Media: Transformation, Integration, Consumption
Notice bibliographique
Résumé
Chapter 1: Keeping Score: Reflections and Suggestions for Scholarship on Sports and Media Walter Gantz, Indiana University, USA Chapter 2: Theorizing the Sports-Television Dream Marriage: Why Sports Fit Television So Well Michael Real, Royal Roads University, Canada Chapter 3: The Power of a Fragmented Collective: Radical Pluralist Feminism and Technologies of the Self in the Sports Blogosphere Marie Hardin, Pennsylvania State University, USA Chapter 4: Mocking the Fan for Fun and Profit: Sports Dirt, Fanship Identity, and Commercial Narratives Lawrence A. Wenner, Loyola Marymount University, USA Chapter 5: Fair Ball: Exploring the Relationship between Media Sports and Viewer Morality Arthur A. Raney, Florida State University, USA Chapter 6: Sports Media: Beyond Broadcasting, Beyond Sports, Beyond Societies? David Rowe, University of Western Sydney, Australia Chapter 7: Tweets and Blogs: Transformative, Adversarial, and Integrative Developments in Sports Media Jimmy Sanderson, Arizona State University, USA and Jeffrey W. Kassing, Arizona State University, USA Chapter 8: Instant Replay: From Analysis to Aggression. The Nature of Fan Emotion, Cognition, and Behavior in Internet Sports Communities Lance Porter, Louisiana State University, USA Chris Wood, JWA Communications, USA, and Vince Benigni, College of Charleston, USA Chapter 9: The Less You Say: An Initial Study of Gender Coverage in Sports on Twitter Lauren Reichart Smith, Auburn University, USA Chapter 10: Sport, Identities, and Consumption: The Construction of Sport at ESPN.com Lindsey J. Mean, Arizona State University, USA Chapter 11: Reaction Time: Assessing the Record and Advancing a Future of Sports Media Scholarship Andrew C. Billings, Clemson University, USA Appendix: Contributions to Sports Media Scholarship: A Comprehensive Reference List
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 | 0,003 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».