Have You Seen This? Why Political Pundits Share Scholarly Research on Social Media
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background A healthy public sphere requires a flow of reliable, trustworthy, and accurate information. Scholarly research is one such source but, to be most effective, it must reach the public. One possible dissemination route for that material is political pundits. Analysis We extracted the tweets of thirty-two Canadian pundits with links to scholarly research and studied the main motivations for sharing a link to a scholarly article. Conclusion and implications We found that most pundits we studied tweeted at least one link to a scholarly article and that the motivations for sharing varied. However, our sample shared links to scholarly journal articles infrequently. Résumé Contexte Pour bien fonctionner, une sphère publique requiert un flux d’informations qui soient fiables, dignes de confiance et précises. La recherche savante est une source de telles informations, mais pour être efficace elle doit rejoindre le public. Une façon de disséminer la recherche consiste à recourir à des commentateurs politiques. Analyse Nous avons passé en revue les gazouillis de 32 commentateurs canadiens ayant des liens avec la recherche savante et nous avons étudié leurs motivations principales pour partager un lien vers un article savant. Conclusion et implications Nous avons découvert que la plupart des commentateurs de notre échantillon ont inclus au moins un lien vers un article savant dans leurs gazouillis et que leurs motivations pour le faire étaient diverses. Cependant, ces commentateurs ne partageaient pas souvent des liens vers des articles paraissant dansdes revues savantes.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,002 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle