MétaCan
Menu
Retour à la cohorte
Enregistrement W2776884617

Pelkoa ja uhkakuvia: suomalaisen median kuva Venäjän toiminnasta arktisella alueella

2017· article· fi· W2776884617 sur OpenAlexaff
Susanna-Elisabet Pirnes

Notice bibliographique

RevueLaCRIS (University of Lapland) · 2017
Typearticle
Languefi
DomaineSocial Sciences
ThématiqueArctic and Russian Policy Studies
Établissements canadiensInstitute on Governance
Organismes subventionnairesnon disponible
Mots-clésVenArtHumanities
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Venaja on pinta-alaltaan suurin arktinen valtio ja se hallinnoi Koillisvaylan liikennetta, seka suuria luonnonvaraesiintymia arktisilla meri- ja maa-alueillaan. Kansallisten intressien turvaaminen on arktisten valtioiden (Venaja, Norja, Tanska, Yhdysvallat, Kanada, Suomi, Ruotsi, Islanti) toiminnan keskeinen lahtokohta. Suomella on historiallisesti tiiviit suhteet Ruotsiin ja Venajaan, mitka heijastuvat myos arktisen yhteistyon areenoille. Suomalaiseen identiteettipolitiikkaan liittyva nakemys Venajasta vihollisena, heijastuu myos arktiseen kontekstiin, vaikka alueen tulkinta rauhan ja yhteistyon paradigman kautta onkin yleinen. Venaja kuvataan usein suomalaisessa lehdistossa uhkakuvien kautta. Arktinen alue taas nayttaytyy usein stereotyyppisena, eksoottisena paikkana. Vakiintuneet tavat puhua arktisesta alueesta liittyvat ilmastonmuutoksen nopeuteen ja niihin taloudellisiin mahdollisuuksiin, joitamuutos tuo mukanaan. Ristiriita arktisen alueen kuvaamisessa toisaalta mahdollisuuksien paikkana ja toisaalta potentiaalisen sotilaallisen konfliktin nayttamona nakyy median esittamassa arktisen alueen kuvastossa. Tassa artikkelissa selvitetaan, milla tavalla Venajaa kuvataan suomalaisessa mediassa arktisen kontekstissa. Artikkelin taustana toimii suomalaisen Venaja-pelon ja median venalaiskuvien tutkimus. Aineistoa lahestytaan temaattisen analyysin keinoin. Artikkelin lahtokohtana on pyrkimys paikantaa niita keskeisia teemoja, jotka liittyvat Venajan toimintaan arktisella alueella kahdessa suomalaisessa sanomalehdessa – Lapin Kansassa ja Helsingin Sanomissa.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: aucune
Score de désaccord entre enseignants0,064
Score d'incertitude au seuil0,214

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,002
Communication savante0,0050,003
Science ouverte0,0000,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0640,018

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 Opus0,031
Tête enseignante GPT0,274
Écart entre enseignants0,243 · 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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLaCRIS (University of Lapland)Même sujetArctic and Russian Policy StudiesTravaux en français237 207