Between Objectivity and Openness—The Mediality of Data for Journalism
Notice bibliographique
Résumé
A number of recent high profile news events have emphasised the importance of data as a journalistic resource. But with no definitive definition for what constitutes data in journalism, it is difficult to determine what the implications of collecting, analysing, and disseminating data are for journalism, particularly in terms of objectivity in journalism. Drawing selectively from theories of mediation and research in journalism studies we critically examine how data is incorporated into journalistic practice. In the first half of the paper, we argue that data's value for journalism is constructed through mediatic dimensions that unevenly evoke different socio-technical contexts including scientific research and computing. We develop three key dimensions related to data's mediality within journalism: the problem of scale, transparency work, and the provision of access to data as 'openness'. Having developed this first approach, we turn to a journalism studies perspective of journalism's longstanding "regime of objectivity", a regime that encompasses interacting news production practices, epistemological assumptions, and institutional arrangements, in order to consider how data is incorporated into journalism's own established procedures for producing objectivity. At first sight, working with data promises to challenge the regime, in part by taking a more conventionalist or interpretivist epistemological position with regard to the representation of truth. However, we argue that how journalists and other actors choose to work with data may in some ways deepen the regime's epistemological stance. We conclude by outlining a set of questions for future research into the relationship between data, objectivity and journalism.
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 | 0,012 | 0,004 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».