MétaCan
Menu
Retour à la cohorte
Enregistrement W2987943744 · doi:10.1080/17512786.2019.1689372

From Social Media with News: Journalists’ Social Media Use for Sourcing and Verification

2019· article· en· W2987943744 sur OpenAlexfundno aff
Xinzhi Zhang, Wenshu Li

Notice bibliographique

RevueJournalism Practice · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMedia Studies and Communication
Établissements canadiensnon disponible
Organismes subventionnairesFaculty of Graduate Studies and Research, University of AlbertaHong Kong Baptist University
Mots-clésSocial mediaMedia relationsSocial media optimizationContext (archaeology)News mediaPublic relationsPerceptionPolitical scienceAdvertisingBusinessPsychology

Résumé

récupéré en direct d'OpenAlex

Social media is widely used by journalists for sourcing and verification. While social media may either serve as supplementary to existing sources or replace traditional channels, it nevertheless poses challenges to the news professionalism. The present study examines the relationship between journalists’ use of social media and other channels for news sourcing and verification. It also examines how attitudes towards social media affect the use of social media for sourcing and verification. An online survey of journalists (n = 255) in local news organizations in Hong Kong—a society with a high social media penetration rate and a highly competitive media market—revealed that journalists rely on offline, elite, and ready-made sources (such as information released by public relations companies or governmental officials). Social media both replaces and complements existing channels for sourcing and verification. The perception that social media is a credible source for information was positively related to using social media for news production. The present paper is a modest first study to examine how social media is included in news production in a non-Western context. It offers a better understanding of how emerging technologies change the information repertoire during news production in a post-truth era.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,041
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,041
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0030,002
Communication savante0,0090,006
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,076
Tête enseignante GPT0,352
Écart entre enseignants0,276 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations52
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournalism PracticeMême sujetMedia Studies and CommunicationTravaux en français237 207