An Analysis of the Media Messages during the 2016 U.S. Presidential Election: A Thematic Comparison between CNN News and Donald Trump’s Tweets
Notice bibliographique
Résumé
In the last presidential election of the United States (2016), the interaction between the Donald Trump and the American media was remarkable and unprecedented from both political and communication perspectives. The present paper is interested in observing the interactions between then the Republican Party candidate, Donald Trump, and the media of the United States. As there were major verbal confrontations between Trump, and some media, specifically CNN, this paper observes how Trump campaign reacted to CNN that turned out to be one of his biggest opponents. The relations and reactions are explained using “agenda setting” and “selective exposure” as theories and “thematic analysis” as the research methodology. The paper analyzes CNN videos from October 7 to October 31, and Trump’s tweets during the same period. The reason for conducting the research during October is that this month is regarded as one of the most critical periods in US presidential election, known as “October surprise”. Then a thematic analysis of the data is conducted to extract all accusations and allegations against Trump. Research results show that President Trump did not react to most of the accusations and attacks raised by CNN. Apparently Trump had decided that ignoring and not responding is a better strategy. There was an exception to this rule: Trump’s treatment toward women. He did address that issue frequently and tried to justify himself and apologize. Accordingly, Trump’s presidential campaign aim was to ignore accusations, keep attacking, and answering accusations only if they are already known to too many people.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».