MétaCan
Menu
Retour à la cohorte
Enregistrement W2610196530 · doi:10.1386/rjao.15.1.47_1

‘Songs You Need to Hear’: Public radio partnerships and the mobility of national music

2017· article· en· W2610196530 sur OpenAlexaffabout
Brian Fauteux

Notice bibliographique

RevueRadio Journal International Studies in Broadcast & Audio Media · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueRadio, Podcasts, and Digital Media
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésPublic broadcastingCorporationPolitical scienceBroadcasting (networking)Public relationsDigital mediaAdvertisingMedia studiesSociologyBusinessComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract Public radio broadcasters are mandated to act as vehicles for supporting and promoting national culture, including music. Despite a predominately national focus, the Canadian Broadcasting Corporation has partnered with public broadcasters from other nations in a song-sharing initiative called ‘Songs You Need to Hear’. The initiative includes a monthly blog post with embedded audio and brief descriptions of the music by radio hosts from CBC (Canada), BBC (UK), NPR (US), ABC (Australia), and RTÉ (Ireland). This article explores the ways in which a mobile, transnational song-sharing project emerged between 2000 and 2015 and what it reveals about the pressures and new models developed in this period of digital transmission. ‘Songs You Need To Hear’ represents the current state of public media in which the need to digitize, globalize, and universalize, combined with unreliable funding models, has resulted in the treatment of music on the radio as inexpensive and highly accessible content that straddles the line between the global brand extension of public media institutions and ideas about the fundamental role of public media in their support of national culture.

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)0,008
score de la tête « metaresearch » (Gemma)0,010
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0120,019
Communication savante0,0170,014
Science ouverte0,0010,016
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0140,001

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 Opus0,233
Tête enseignante GPT0,403
Écart entre enseignants0,170 · 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

Citations6
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRadio Journal International Studies in Broadcast & Audio MediaMême sujetRadio, Podcasts, and Digital MediaTravaux en français237 207