Notice bibliographique
Résumé
Abstract Crime stories attract audiences and social buzz, but they also serve as prisms for perceived threats. As immigration, technological change, and globalization reshape our world, anxiety spreads. Because journalism plays a role in how the public adjusts to moral and material upheaval, this unease raises the ethical stakes. Reporters can spread panic or encourage reconciliation by how they tell these stories. Murder in Our Midst uses crime coverage in select North American and Western European countries as a key to examine culturally constructed concepts like privacy, public, public right to know, and justice. Working from close readings of news coverage, codes of ethics and style guides, and personal interviews with almost 200 news professionals, this book offers fertile material for a provocative conversation. The findings divide the ten countries studied into three media models. The book explores what the differing coverage decisions suggest about underlying attitudes to criminals and crime and how justice in a democracy is best served. Today, journalists’ work can be disseminated around the world without any consideration of whether what’s being told (or how) might dissolve cultural differences or undermine each community’s right to set its own standards to best reflect its citizens’ values. At present, unique reporting practices persist among the three models, but the Internet and social media threaten to dissolve distinctions and the cultural values they reflect. There is a need for a journalism that both opens local conversations and bridges differences among nations. This book is a first step in that direction.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 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) | 0,001 | 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 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 ».