Figuring Digital Cascades: Issue Framing in Digital Media Ecosystems
Notice bibliographique
Résumé
On November 17, 2015, the newly elected Canadian government led by Justin Trudeau made an announcement that became a turning point in the heated debate around the plan to build the Memorial to the Victims of Communism in Ottawa. The government’s decision to scale the project down was massively republished and generated a heavy stream of 2,055 publications and interactions. The virality of such phenomena is sometimes described in the literature as an “information cascade” characterized by a complex and expanding series of media content that is republished, shared, and commented upon in digital public spheres, reaching a growing number of people. Our research aim is twofold. From a theoretical point of view, we combine Entman’s cascade model with the perspective of platform studies. From an empirical point of view, we put this model to the test through a case study of the cascading data flows that emerged during this public debate. We found three key factors that constituted and shaped this information cascade: 1) the economic structure of the Canadian media market, and especially the concentration of media ownership, which is notably high in the Canadian media ecosystem; 2) data-exchange mechanisms and algorithmic filtering that drive the process of news aggregation, quickly spreading media content without being a significant source of user engagement; 3) grassroots engagement in diasporic media, which activates micro public spheres around nested interests and political standpoints regarding the public issue.
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 | 0,012 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,008 | 0,004 |
| Études des sciences et des technologies | 0,011 | 0,012 |
| Communication savante | 0,013 | 0,020 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».