Social Media Live Streaming y su impacto en los medios de comunicación: experiencias editoriales en América Latina
Notice bibliographique
Résumé
Pese a que el video en directo en formato digital existe desde hace más de una década, este solo encontró su maduración cuando se integró a las redes sociales a partir de 2015, tecnología conocida como Social Media Live Streaming (SMLS). El periodismo, con especial énfasis en los cibermedios, ha aprovechado esta innovación para buscar nuevas fórmulas que permitan tanto interactuar como fidelizar a sus audiencias. El presente artículo caracteriza los canales SMLS en medios de comunicación de América Latina, buscando comprender su rol con relación de las tendencias del periodismo digital. Adicionalmente, este trabajo presenta un acercamiento al empleo de esta tecnología en diversos medios en español incluyendo un análisis de caso sobre el uso del live streaming (Periscope y Facebook Live) de NTN24 Venezuela durante las Elecciones Regionales de 2017. Los resultados permiten concluir que los editores de diversos medios de comunicación latinoamericanos ya cuentan con amplia experiencia en emisiones SMLS, incluyendo algunos casos de éxito destacados a nivel mundial por las propias redes sociales. Finalmente, se detallan los motivos que hacen compleja la posibilidad de realizar un análisis comparativo que permita comprender con suficiente claridad qué canal Social Media Live Streaming puede ofrecer mejores resultados a sus editores de contenido.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,007 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».