The Role of the Canadian Media During the Initial Response to the COVID-19 Pandemic: A Topic Modelling Approach Using Canadian Broadcasting Corporation News Articles
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Beginning as a local epidemic, COVID-19 has since rapidly evolved into a pandemic. As countries around the world battle this outbreak, mass media has played an active role in disseminating public health information. OBJECTIVE: The aim of this study was to get a better understanding of the role that the Canadian media played during the pandemic and to investigate the patterns of topics covered by media news reporting. METHODS: We used a data set consisting of news articles published on the Canadian Broadcasting Corporation (CBC) website between December 2019 and May 2020. We then used Python software to analyze the data using Latent Dirichlet Allocation topic modelling. Subsequently, we used the pyLDAvis tool to plot these topics on a 2D plane through multidimensional scaling and divided these topics into different themes. RESULTS: After removing articles that were published before the year 2019, we identified 6771 relevant news articles. According to the CV coherence value, we divided these articles into 15 topics, which were categorized into 6 themes. The three most popular themes were case reporting and testing (n=1738), Canadian response to the pandemic (n=1259), and changes to social life (n=1171), which accounted for 25.67%, 18.59%, and 17.29% of the total articles, respectively. CONCLUSIONS: Understanding the Canadian media's reporting on the COVID-19 pandemic shows that the Canadian pandemic response is a product of consistent government communication, as well as the public's understanding of and adherence to protocols.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle