MétaCan
Menu
Retour à la cohorte
Enregistrement W3121717902 · doi:10.3916/c44-2015-11

The Framework of Media Education and Media Criticism in the Contemporary World: The Opinion of International Experts

2015· article· en· W3121717902 sur OpenAlexaboutno aff
Alexander Fedorov, Anastasia Levitskaya

Notice bibliographique

RevueSSRN Electronic Journal · 2015
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDigital Storytelling and Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCriticismMedia literacyHappeningMedia studiesPolitical scienceMass mediaPublic relationsSociologyHistoryLaw

Résumé

récupéré en direct d'OpenAlex

El artículo analiza los resultados de la encuesta internacional sobre la «Situación de la educación en medios y la competencia crítica en medios en el mundo actual», llevada a cabo por los autores en mayo-julio de 2014. Fueron entrevistados responsables de 64 medios de comunicación, educadores críticos e investigadores en el campo de la educación mediática y la cultura de los medios de comunicación de 18 países: USA, Reino Unido, Canadá, Australia, Nueva Zelanda, Alemania, Irlanda, España, Portugal, Suecia, Finlandia, Grecia, Chipre, Hungría, Ucrania, Serbia, Turquía y Rusia. El análisis global de los datos muestra que la comunidad internacional de expertos comparte la convicción de que la situación de la educación en medios y la competencia crítica no es únicamente posible sino también necesaria, sobre todo en términos del desarrollo del pensamiento crítico de la audiencia. Sin embargo, solamente el 9,4% de los expertos en general cree que se utilizan los textos críticos de los medios en las clases de alfabetización mediática en sus respectivos países. Aproximadamente un tercio (34,4% de los expertos encuestados) cree que esto está sucediendo en un nivel aceptable y un porcentaje similar (32,8% de las respuestas) considera que ocurre en una mínima parte. En consecuencia, habrá mucho trabajo que hacer para que la educación en medios y su análisis crítico consiga su implementación eficaz en el mundo actual

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)0,045
score de la tête « metaresearch » (Gemma)0,047
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: aucune
Score de désaccord entre enseignants0,045
Score d'incertitude au seuil0,240

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0450,047
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0110,009
Études des sciences et des technologies0,0080,036
Communication savante0,0230,017
Science ouverte0,0010,008
Intégrité de la recherche0,0090,009
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,063
Tête enseignante GPT0,410
Écart entre enseignants0,347 · 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

Citations7
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetDigital Storytelling and EducationTravaux en français237 207