How are civic cultures achieved through youth social-change-oriented vlogging? A multimodal case study
Notice bibliographique
Résumé
Debate over conceptual definitions is prominent within the body of literature dealing with emerging patterns of civic engagement and political participation among youth information and communication technology–enabled politics. This article contends that advancing new knowledge in this field is also dependent upon fine-grained empirical analysis of digital traces of youth participation. Drawing on a close analysis of two youth-produced vlogs, we show that adolescents’ commitment to social change can be creatively achieved through video making. Informed by a socio-semiotic approach to multimodal analysis and by Peter Dahlgren’s concept of online civic cultures, our qualitative analysis highlights two main patterns we found in young people’s vlogs aimed at raising awareness about social issues. First, we found that to impact their intended audiences, vloggers presented themselves as creative choice makers and as savvy insiders of youth civic cultures on YouTube. Second, we found that vloggers successfully managed the risk of being the target of online hostility using rhetorical devices and tactics that smoothed counterpositions. Overall, our multimodal case study shows that contrary to traditional approaches to successful communication based on textual coherence, a mix of consistency, disruption, and contradiction can be used purposefully in public speech in order to manage difficult, risky topics. As we demonstrate that visual-based communication on social network sites such as vlogs posted on YouTube is not neat and tidy, we illuminate the vloggers’ shifting identities, opinions, and concerns. This evidence-based observation calls for more in-depth small case qualitative analyses for investigating the multiple affordances of civic talk online and its democratic potential. This article contributes to the ongoing conceptual redefinition of youth civic engagement and political participation in the face of fast-evolving sociotechnical change.
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 | 0,005 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,012 | 0,009 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».