MétaCan
Menu
Retour à la cohorte
Enregistrement W3217149174 · doi:10.1186/s12889-021-12246-x

Communicating scientific uncertainty in a rapidly evolving situation: a framing analysis of Canadian coverage in early days of COVID-19

2021· article· en· W3217149174 sur OpenAlexafffundabout
Gabriela Capurro, Cynthia G. Jardine, Jordan Tustin, S. Michelle Driedger

Notice bibliographique

RevueBMC Public Health · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueClimate Change Communication and Perception
Établissements canadiensToronto Metropolitan UniversityUniversity of the Fraser ValleyUniversity of Manitoba
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésCoronavirus disease 2019 (COVID-19)BiostatisticsMedicineFraming (construction)Public health2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)PandemicEnvironmental healthPublic relationsVirologyInfectious disease (medical specialty)OutbreakNursingPolitical sciencePathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The COVID-19 pandemic brought the production of scientific knowledge onto the public agenda in real-time. News media and commentators analysed the successes and failures of the pandemic response in real-time, bringing the process of scientific inquiry, which is also fraught with uncertainty, onto the public agenda. We examine how Canadian newspapers framed scientific uncertainty in their initial coverage of the COVID-19 pandemic and how journalists made sense of the scientific process. METHODS: We conducted a framing analysis of 1143 news stories and opinion during the first two waves of the COVID-19 pandemic. Using a qualitative analysis software, our analysis focused, first, on how scientific uncertainty was framed in hard news and opinion discourse (editorial, op-ed). Second, we compared how specialist health and science reporters discussed scientific evidence versus non-specialist reporters in hard news and columns. RESULTS: Uncertainty emerged as a "master frame" across the sample, and four additional framing strategies were used by reporters and commentators when covering the pandemic: (1), evidence -focusing on presence or absence of it-; (2) transparency and leadership -focusing on the pandemic response-; (3) duelling experts - highlighting disagreement among experts or criticizing public health decisions for not adhering to expert recommendations-; and (4) mixed messaging -criticizing public health communication efforts. While specialist journalists understood that scientific knowledge evolves and the process is fraught with uncertainty, non-specialist reporters and commentators expressed frustration over changing public health guidelines, leading to the politicization of the pandemic response and condemnation of elected officials' decisions. CONCLUSIONS: Managing scientific uncertainty in evolving science-policy situations requires timely and clear communication. Public health officials and political leaders need to provide clear and consistent messages and access to data regarding infection prevention guidelines. Public health officials should quickly engage in communication course corrections if original messages are missing the intended mark, and clearly explain the shift. Finally, public health communicators should be aware of and more responsive to a variety of media reporters, who will bring different interpretative frames to their reporting. More care and effort are needed in these communication engagements to minimize inconsistencies, uncertainty, and politicization.

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)0,028
score de la tête « metaresearch » (Gemma)0,094
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 enseignants0,128
Score d'incertitude au seuil0,932

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0280,094
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0110,015
Études des sciences et des technologies0,0220,011
Communication savante0,0120,004
Science ouverte0,0020,006
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,406
Tête enseignante GPT0,454
Écart entre enseignants0,048 · 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

Citations48
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Public HealthMême sujetClimate Change Communication and PerceptionTravaux en français237 207