The Lens of the Other: Instagram as a Tool to Counter the Unsafe Images of Countries and the Case of Lebanon
Notice bibliographique
Résumé
The emergence of new media tools and social media platforms over the last ten years has created new means of intercultural engagement. On Instagram, there is a growing trend of travel pages and travel bloggers whose aim is to introduce and share with other users the highlights of the destinations they travel to. This also applies to locals in these destinations who wish to portray their country positively and promote it as a tourist destination, particularly in certain countries of the Middle East where there is the added challenge of an ‘unsafe’ image to combat. This research focuses on Lebanon to find out to what extent Instagram can be considered a tool to combat the ‘unsafe’ image of the country, and if users who come across depictions of Lebanon on Instagram perceive the country as a potential tourist destination. Using a mixed methods approach, this thesis combines surveys and semi-structured interviews with Canadian participants to reach its findings. Its theoretical framework makes use of Edward Said’s conception of the ‘other’ (1978), Stuart Hall’s system of representations (1980), Jan Neverdeen Pieterse’s hybridization paradigm (1996), and Eli Pariser’s (2011) echo chamber to analyze its findings. Broadly, findings show that while Instagram can effectively be considered a tool to counter the ‘unsafe’ image of Lebanon, and while the country may be branded as a potential tourist destination to users who come across such depictions of it, algorithm restrictions limit the potential for such depictions to fulfill their potential since they don’t always reach users who perceive Lebanon to be an ‘unsafe’ place.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,021 | 0,021 |
| Communication savante | 0,013 | 0,009 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».