MétaCan
Menu
Retour à la cohorte
Enregistrement W3157565532 · doi:10.1080/25785648.2021.1899510

Fighting Hate with Speech Law: Media and German Visions of Democracy

2021· article· en· W3157565532 sur OpenAlexaff
Heidi Tworek

Notice bibliographique

RevueThe Journal of Holocaust Research · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueHate Speech and Cyberbullying Detection
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésLawGermanPolitical scienceStatutePoliticsDemocracyPublic lawSociologyNazismHistory

Résumé

récupéré en direct d'OpenAlex

In Germany, far-right groups have revived Nazi terminology like Lügenpresse (lying press) or Systempresse (system press) to decry the media today. German politicians, journalists, and the public have turned to numerous methods to try to combat the reinsertion of Nazi language into everyday German life. One key method is the law. Prior to the 2017 German election, the German parliament swiftly passed the Netzwerkdurchsetzungsgesetz (Network Enforcement Law, NetzDG for short). While English-language press has often called this act a hate speech law, it actually enforces 22 statutes of extant German speech law online. Spearheaded by the SPD-led Justice Ministry, NetzDG represented the most public effort by the German government to push back against the AfD, the far right, and the rise of hate speech in Germany. NetzDG attracted huge global attention as the first major law to fine American-based social media companies for not adhering to national statutes. This article examines why German politicians turned to law as a way to combat the rise of the far right. I explore how NetzDG represented German political understandings of the relationship between freedom of expression and democracy and argue that NetzDG followed a longer historical pattern of German attempts to use media law to raise Germany's profile on the international stage. The article examines the irony that NetzDG was meant to defend democracy in Germany, but may have unintentionally undermined it elsewhere, as authoritarian regimes like Russia seized upon the law to justify their own curtailments of free expression. Finally, I explain the difficulties of measuring whether NetzDG has achieved its goals and showcase a few other approaches to the problems of information in democracies.

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)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,055

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0050,031
Communication savante0,0130,009
Science ouverte0,0010,004
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,042
Tête enseignante GPT0,341
Écart entre enseignants0,299 · 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'étudeSans objet
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

Citations43
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Holocaust ResearchMême sujetHate Speech and Cyberbullying DetectionTravaux en français237 207