MétaCan
Menu
Retour à la cohorte
Enregistrement W2762809225 · doi:10.1007/s10584-017-2076-z

Representation of Indigenous peoples in climate change reporting

2017· article· en· W2762809225 sur OpenAlexafffundabout
Ella Belfer, James D. Ford, Michelle Maillet

Notice bibliographique

RevueClimatic Change · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueClimate Change Communication and Perception
Établissements canadiensMcGill University
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaCanadian Institutes of Health ResearchUniversity of LeedsArcticNet
Mots-clésFraming (construction)IndigenousClimate changeNewspaperColonialismPolitical scienceGeographyArcticContent analysisNews mediaEnvironmental ethicsSociologySocial scienceEcologyLaw

Résumé

récupéré en direct d'OpenAlex

This article examines how newspapers reporting on climate change have covered and framed Indigenous peoples. Focusing on eight newspapers in Canada, the USA, Australia, and New Zealand, we examine articles published from 1995 to 2015, and analyze them using content and framing analyses. The impacts of climate change are portrayed as having severe ecological, sociocultural, and health/safety impacts for Indigenous peoples, who are often framed as victims and “harbingers” of climate change. There is a strong focus on stories reporting on the Arctic. The lack of substantive discussion of colonialism or marginalization in the reviewed stories limits media portrayal of the structural roots of vulnerability, rendering climate change as a problem for , rather than of society. Indigenous and traditional knowledge is widely discussed, but principally as a means of corroborating scientific knowledge, or in accordance with romanticized portrayals of Indigenous peoples. Widespread disparities in the volume, content, and framing of coverage are also observed across the four nations.

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)0,006
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: Présentation des résultats · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,997
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,019
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,004
Études des sciences et des technologies0,0030,002
Communication savante0,0030,002
Science ouverte0,0000,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,744
Tête enseignante GPT0,537
Écart entre enseignants0,207 · 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.

Devis d'étudeQualitatif
DomainePrésentation des résultats
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

Citations108
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueClimatic ChangeMême sujetClimate Change Communication and PerceptionTravaux en français237 207