MétaCan
Menu
Retour à la cohorte
Enregistrement W2955298940 · doi:10.1177/1354856519863364

Rethinking the distinctions between old and new media: Introduction

2019· article· en· W2955298940 sur OpenAlexaff
Frédérik Lesage, Simone Natale

Notice bibliographique

RevueConvergence The International Journal of Research into New Media Technologies · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Games and Media
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésNarrativePerceptionEpistemologySociologyBiographyPopular mediaCognitive sciencePsychologyComputer scienceMedia studiesLiteratureArtPhilosophy

Résumé

récupéré en direct d'OpenAlex

Recent approaches to media change have convincingly shown that distinctions between old and new media are inadequate to describe the complexity of present and past technological configurations. Yet, oldness and newness remain powerful ways to describe and understand media change and continue to direct present-day perceptions and interactions with a wide range of technologies – from vinyl records to artificial intelligence voice assistants such as Siri and Alexa. How can one refuse rigid definitions of old and new, while at the same time retaining the usefulness and pertinence of these concepts for the study and analysis of media change? This introduction to the special issue entitled ‘Rethinking the Distinctions between Old and New Media’ aims to answer this question by taking up the notion of biography. We argue that the recurrence of oldness and newness as categories to describe media is strictly related to the fact that interactions with media are embedded within a biographical understanding of time, which refers both to the life course of people or objects and to the narratives that are created and disseminated about them. Employing this approach entails considering the history of a medium against the history of the changing definitions that are attributed to it and, more broadly, to considering time not only as such but also against the narratives that make it thinkable and understandable.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,017
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,768
Score d'incertitude au seuil0,991

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0020,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,106
Tête enseignante GPT0,383
Écart entre enseignants0,277 · 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 tête enseignante, pas un consensus.

Devis d'étudeAutre devis
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

Citations46
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConvergence The International Journal of Research into New Media TechnologiesMême sujetDigital Games and MediaTravaux en français237 207