Talk Radio’s America: How an Industry Took Over a Political Party That Took Over the United States—Brian Rosenwald (Cambridge, MA, USA: Harvard Univ. Press, 2019, 358 pp.)
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
<bold xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">In March 2020,</b> as the coronavirus was rapidly spreading throughout the United States, President Trump strode into the Situation Room for a meeting with his COVID-19 task force. According to sources in attendance, the President excitedly announced that he wanted to start a 2-hour, daily White House talk radio show to provide a regular opportunity for him to update Americans, quell fears, and answer listener questions. Ultimately, the President quashed the idea, giving as his reason that it would compete with Rush Limbaugh, whose legendary talk radio program was the gold standard among conservative supporters. When aids suggested the White House program might air at a time that did not conflict with Limbaugh’s broadcast, the President demurred, choosing not to ruffle the feathers of right-wing radio’s Big Bird. The talk radio maestro was held in such high regard that, just a month or so earlier, the President used the solemn occasion of his State of the Union address to announce that he was giving Mr. Limbaugh the nation’s highest civilian award, the Presidential Medal of Freedom. This decision would not surprise Brian Rosenwald whose book documents Limbaugh’s formative role in turning an old technology into an instrument of power that transformed the Republican Party and political discourse in the United States.
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 | 0,001 | 0,000 |
| 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 | 0,001 | 0,004 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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