MétaCan
Menu
Retour à la cohorte
Enregistrement W2999971706 · doi:10.51355/jstem.2015.16

A “Scientist” on the Radio: Understanding the Framing of STEM to the Public

2015· article· en· W2999971706 sur OpenAlexaff
G. Michael Bowen, Richard Zurawski, Anthony Bartley

Notice bibliographique

RevueJournal of Research in STEM Education · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueRadio, Podcasts, and Digital Media
Établissements canadiensLakehead UniversityMount Saint Vincent University
Organismes subventionnairesnon disponible
Mots-clésFraming (construction)Public relationsDialogicSociologyPolitical scienceMedia studiesPedagogyEngineering

Résumé

récupéré en direct d'OpenAlex

News media presentations of STEM (and particularly science) in various formats have been critiqued for the many ways by which they misrepresent both the facts of the discipline and the practices of the discipline and the researchers in them. Another issue is that the material is presented in a format – basically a one-way transmission – with usually little opportunity for questions by the recipients (i.e., readers, listeners, viewers, etc.) to be addressed when they don’t understand something. One news media format which might allow this dialogic activity is the radio call-in show format which is structured so that the public can ask questions of a “scientist” with the opportunity for follow-up questions to address what are discontinuities in the listener’s understanding. In this paper we document the processes by which listener interests ultimately end up discussed in the radio broadcast and what influences the “science” that is presented on-air. Our analysis reports the ways in which the STEM topics and content are mediated by radio station personnel, often times distorting the factual content available to the public and misrepresenting the practices of the research fields, as they engage in information management practices which are typical of opinion-driven shows (such as those on the topics of politics or sports) which are designed to create controversy and drama to increase ratings.

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)0,018
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,581
Score d'incertitude au seuil0,641

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0180,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,477
Tête enseignante GPT0,483
Écart entre enseignants0,006 · 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'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

Citations2
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Research in STEM EducationMême sujetRadio, Podcasts, and Digital MediaTravaux en français237 207