The construction of the Covid-19 pandemic as a social problem: expert discourse and representational naturalization in the mass media during the first wave of the pandemic in Canada
Notice bibliographique
Résumé
In this paper, we analyze the evolution of the expert discourse in the media during the first wave of the Covid-19 pandemic in Canada. From our analysis of 527 media products published by CBC/Radio Canada between January 1 and August 31, 2020, it was possible to document the type of expertise mobilized, the types of experts engaged by the media, the modalities of appropriation of this discourse by non-experts and the use of expert discourse by political actors. We organize our analysis around governmental measures that have generated more controversy and debate in the media (e.g., closing international borders) and that will be used to analyze the processes of representational naturalization (Negura and Plante, submitted). We begin our chapter with an overview of the use of expertise in the Canadian public- health decision-making chain in the context of the Covid-19 pandemic by highlighting the tensions, contradictions, and paradoxes in political communication that this process revealed. We demonstrate the relevance of studying these dynamics reflected in the media from the perspective of social representations. A brief explanation of the research objectives, the data used and some methodological elements will follow. We then discuss the results of our analysis of the different stages of the evolution of the pandemic in Canada according to the expert discourse in the media. Finally, our analysis focuses on the role of expert discourse in determining what aspects of Covid-19 the public and the political authorities in Canada have defined as a social problem.
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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».