MétaCan
Menu
Retour à la cohorte
Enregistrement W3170985961 · doi:10.14430/arctic72474

Media Coverage of Environmental and Social Change in Northern Norway’s Coastal Regions: Main Themes in National and International News

2021· article· en· W3170985961 sur OpenAlexvenueno aff
Bjørn P. Kaltenborn, Jenny F. Kaltenborn, Barbara B. Baczynska, Just Kornfeldt, Grete K. Hovelsrud

Notice bibliographique

RevueARCTIC · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueArctic and Russian Policy Studies
Établissements canadiensnon disponible
Organismes subventionnairesNorges Forskningsråd
Mots-clésTourismDocumentationClimate changeArcticNatural resourceGovernment (linguistics)Resource (disambiguation)NarrativePolitical sciencePreparednessEnvironmental resource managementGeographyEcologyEnvironmental science

Résumé

récupéré en direct d'OpenAlex

Media are important agents in the shaping of northern images. Media coverage influences public perceptions and policy governing resource and societal development. But popular media often provide incomplete and skewed representations compared to the documentation provided by scientific literature and the range of activities and interests present in a region. We conducted a topic analysis of media coverage of environmental and social change in the Helgeland, Lofoten, and Vesterålen regions in northern Norway and Svalbard in the high Arctic during approximately 2014 to 2018. Our findings show that popular media collectively contribute to an image of expanding economic development based on natural resource exploitation. However, this narrative is incomplete in terms of the societal dynamics linked to natural resource development as documented in the scientific literature and somewhat biased towards climate change, oil and gas exploitation, tourism, and marine harvesting. Emergency preparedness issues and economic transitions are under-communicated, and we conclude that the popular media narrative only partly represents an alternative to the government policy discourse on northern issues.

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)0,006
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: Empirique
Score de désaccord entre enseignants0,099
Score d'incertitude au seuil0,198

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,004
Études des sciences et des technologies0,0020,002
Communication savante0,0050,002
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
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 Opus0,038
Tête enseignante GPT0,298
Écart entre enseignants0,260 · 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

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueARCTICMême sujetArctic and Russian Policy StudiesTravaux en français237 207