MétaCan
Menu
Retour à la cohorte
Enregistrement W2980050235 · doi:10.4000/rfsic.6857

“YouTube helps us a lot.” Media repertoires and social integration of Iraqi and Syrian refugee families in Germany

2019· article· en· W2980050235 sur OpenAlexaff
Liane Rothenberger, Ahmed Elmezeny, Jeffrey Wimmer

Notice bibliographique

RevueRevue française des sciences de l’information et de la communication · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Refugees, and Integration
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésHumanitiesRefugeePolitical scienceArtSociologyEthnologyLaw

Résumé

récupéré en direct d'OpenAlex

Cet article examine les répertoires médiatiques de 10 familles de réfugiés syriens et 10 iraquiens (n=100) dans la ville d'Erlangen, en Allemagne. En nous fondant sur la théorie du répertoire médiatique (Hasebrink et Hepp 2017) et grâce à une approche qualitative combinant plusieurs méthodes de collecte de données (entretiens qualitatifs, groupes de discussion et dessins du répertoire médiatique), nous analysons comment les pratiques et dispositifs médiatiques cumulatifs des familles de réfugiés (répertoires médiatiques) sont reliés à leur intégration sociale et culturelle dans leur société d'accueil. Nos constatations indiquent que les répertoires des médias mettent en lumière diverses pratiques qui reflètent les efforts d'intégration des réfugiés dans leur société d'accueil. Les participants qui avaient surtout des réseaux et des répertoires centrés sur le domicile ont plus de mal à s'intégrer que ceux qui ont plus de contenu allemand et qui ont des réseaux basés dans la société d'accueil.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,691
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,003
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,020
Tête enseignante GPT0,310
Écart entre enseignants0,290 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevue française des sciences de l’information et de la communicationMême sujetMigration, Refugees, and IntegrationTravaux en français237 207