Where’s all the ‘good’ sports journalism? Sports media research, the sociology of sport, and the question of quality sports reporting
Notice bibliographique
Résumé
Across newsrooms and journalism schools, questions as to what constitutes or ‘counts’ as excellent reporting are currently inciting much debate. Among the various frameworks being put forward to describe and encourage ‘excellent’ journalism in its various forms, sport is seldom mentioned – a legacy perhaps of its perennial dismissal as trivial subject matter. This essay grew from our curiosity as to whether the reverse was also true: that is, whether and what those who study sports journalism and sports media – in particular sociologists of sport – have contributed to understandings of ‘best’ and even excellent journalistic practice. We identified and analysed 376 articles from eight leading scholarly journals that feature sports media research with the aim of examining instances where ‘excellent’ sports reporting was either highlighted, described or advocated. After outlining the major themes that emerged from this analysis, we reflect on why so few of the sampled articles explicitly advise on what best practice sports journalism might look like – especially when it comes to coverage of the sport-related social issues that sociologists of sport tend to focus on – and why so little theoretical attention has been afforded to the question of excellent sports journalism more generally. While there are good sociological reasons for focusing on problematic sports reporting, on structural and systemic issues in which media are implicated, and on producing alternatives to hegemonic sports media, we conclude that it is high time for instances of excellent sports journalism to be afforded the theoretical and empirical attention long granted to their ‘bad’ journalistic counterparts.
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 | 0,062 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,015 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».