The Popularization of Specialized Knowledge Through Ted Talks: The Case of Positive Psychology
Notice bibliographique
Résumé
TED is a non-profit global platform where conferences and speeches—brief but powerful—are held by people who, based on the TED’s motto, have an idea considered to be worth spreading. TED is often regarded as one of the best examples of positive globalization in its activity of knowledge-sharing and it defines itself as “a global community welcoming people from every discipline and culture who seek a deeper understanding of the world” (Note 1). As Heller (2012) said, TED’s talks are “sophisticated, popular, lucrative, socially conscious, and wildly pervasive—the Holy Grail of digital-age production”. However, in some recent newspaper articles TED’s approach to the dissemination of science has been criticized because considered simplistic, trivial and even biased (Bratton, 2013; Robbins, 2012). Notwithstanding, current studies in TED’s approach to scientific popularisation show that science is directly brought into contact with people, without any mediation (Scotto di Carlo, 2014a). The aim of this paper is to examine how a discipline such as positive psychology is represented in some successful speeches delivered by specialists at TED events. I will focus on the main linguistic and extra-linguistic strategies—such as non-verbal elements—used by experts and academics to convey specialized knowledge to lay people by using the main tools offered by discourse analysis. This will help to clarify whether this process of knowledge-dissemination established by this hybrid genre, is an effective mode of construing, representing and transmitting scientific information.
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 | 0,012 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,033 | 0,059 |
| Communication savante | 0,022 | 0,018 |
| Science ouverte | 0,002 | 0,016 |
| Intégrité de la recherche | 0,010 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».