Online Readers’ Comments as Popular Texts: Public Opinions of Paid Duty Policing in Canada
Notice bibliographique
Résumé
Background Despite paid-duty policing and associated public opinions being an increasingly controversial topic in Canadian news media, there has been limited research about them.Analysis This article combines discourse and content analyses to examine the public opinions towards paid-duty policing in Canada expressed in the online readers’ comment sections of news articles. Conceptualizing comments as popular texts, the article discerns several themes, including police impartiality, reputation, expertise, and performance. Most comments centered on the economics of paid duty.Conclusion and implications The article concludes by considering why economics prevailed over other themes and reflects on core concepts in the literature on online comment boards, including interactivity and counter-publics.Keywords Public opinions; Readers’ comments; Discourse analysis; Content analysis; Audience reception; Media theory; PolicingContexte Il y a eu peu de recherches sur les services rémunérés de la police ou sur l’opinion publique envers ceux-ci, même s’ils deviennent un sujet de plus en plus controversé dans les médias canadiens.Analyse Nous effectuons des analyses de discours et de contenu pour examiner les sections de commentaires en ligne accompagnant certains articles sur l’actualité. En envisageant ces commentaires comme textes populaires, nous discernons divers thèmes relatifs à la police, y compris son impartialité, sa réputation, sa compétence et sa performance. La plupart des commentaires font mention de l’économie des services rémunérés.Conclusion et implications Nous terminons notre article en considérant pourquoi l’économie a prévalu sur d'autres thèmes dans les commentaires en ligne et en nous interrogeant sur des concepts centraux dans la recherche sur ce sujet tels que l’interactivité et les contre-publics.Mots clés Opinions publiques; Commentaires des lecteurs; Analyse du discours; Analyse de contenu; Réception publique; Théorie des médias; Maintien de l’ordre
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».