MétaCan
Menu
← Retour à la cohorte
Enregistrement W2562243492

Making Crime TV: Producing Fictional Representations of Crime for Canadian Television

2012· dissertation· en· W2562243492 sur OpenAlexaboutno aff
Anita Lam

Notice bibliographique

RevueTSpace · 2012
Typedissertation
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCinema and Media Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAdvertisingPolitical scienceCriminologySociologyBusiness
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Criminologists and sociolegal scholars have become increasingly interested in studying media representations of crime in popular culture. They have studied representations using content analyses, often examining their “accuracy” against academic research. Alternatively, these scholars have also studied media effects. In contrast to these studies, I focus on the television production process of making entertaining, dramatic representations of crime. In doing so, I empirically address the following research question: how do TV writers know about crime, and how do they transform that knowledge into fictional representations? I answer this question using a triangulation of methods to gather data – specifically, ethnography, archival research, and interviews with writers and producers – and through the juxtaposition of several case studies. My case studies include the following Canadian crime television programs: 1) the police drama 'The Bridge,' 2) an original Canadian drama about insurance fraud, 'Cra$h and Burn,' and 3) crime docudramas, such as 'F2: Forensic Factor' and 'Exhibit A: Secrets of Forensic Science.' Taking cues from Bruno Latour’s actor-network theory, I focus on the site-specific, concrete, dynamic processes through which each television production makes fiction. I conceive of the writers’ room as a laboratory that creates representations through collaborative action and trial and error. This research demonstrates that, during the production process, representations of crime are unstable, constantly in flux as various creative and legal entities compel their revision. Legal entities, such as Errors and Omissions insurance and broadcasters’ Standards and Practices, regulate the content and form of representations of crime prior to their airing. My findings also reveal the contingency of (commercial) success, the heterogeneity of people who make up television production staff, and the piecemeal state of knowledge that circulates between producers, network executives and writers.

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)0,003
score de la tête « metaresearch » (Gemma)0,011
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 enseignants0,130
Score d'incertitude au seuil0,287

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,011
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0190,010
Communication savante0,0090,003
Science ouverte0,0020,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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 Opus0,084
Tête enseignante GPT0,351
Écart entre enseignants0,267 · 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

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTSpace→Même sujetCinema and Media Studies→Travaux en français237 207→