Unsur Keberpihakan Pada Pemberitaan Media Online Analisis Wacana Kritis Pemberitaan Kampanye pada Kumparan.Com
Notice bibliographique
Résumé
Pemilu 2019 menampilkan memanasnya kampanye untuk merebut hati rakyat. Banyak media berlomba mengangkat berita teraktual seputar Pileg dan Pilpres. Dalam kondisi ini, media seharusnya berpihak kepada masyarakat dan bukannya menjadi alat kekuasaan atau kepentingan tertentu. Apakah media Kumparan.com benar-benar netral? Atau malah memihak kepada salah satu paslon. Peneliti melakukan analisis mendalam terkait teks media untuk mengetahui secara jelas dan gamblang makna, ideologi, keberpihakan dan kepentingan media. Tujuannya agar publik dapat menilai dan memilah informasi yang benar. Teori yang digunakan dalam penelitian ini adalah analisis wacana kritis dari Norman Fairclough, sedangkan metodenya adalah deksriptif kualitaif melalui teknik Analisis Wacana Kritis (Critical Discourse Analysis). Hasil penelitian menunjukkan bahwa pemberitaan Kumparan.com berpihak kepada salah satu Paslon Capres dan Cawapres Jokowi-Maruf.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,006 | 0,004 |
| Communication savante | 0,012 | 0,011 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,071 | 0,011 |
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 ».