Notice bibliographique
Résumé
Abstract The book is about how journalists know what they know, who gets to decide what good journalism is, and how we know when it’s done right. Until a couple decades ago, these questions were rarely asked by journalists. When journalists were questioned by malcontented publics and critics about how they were doing journalism, these questions were easily ignored. Now, if you’re on social media, you’re likely to see multiple critiques of journalism on a daily basis. It seems not only convenient but pragmatic to give most of the credit to digital technologies and/or market failure for how relationships between journalists and diverse audiences have changed. This book rests on a different assumption, however. We contend that technologies offer a diagnostic to understand much deeper, persistent, and structural problems confronting journalism. Counter to much of the recent journalism scholarship, we argue that you can’t talk about the role journalists and journalism organizations could, should, and have played in society without talking about gender, race, other intersectional concerns—and settler-colonialism. Drawing on mixed methods and ethnography as well as interdisciplinary scholarship, this book examines the reckoning under way between journalists, their methods and their audiences in sites as diverse as social media, legacy newsrooms, journalism startups, novel forms of journalism memoir, and among indigenous journalists. The book explores journalism’s long-standing harms alongside repair, reform, and transformation. It suggests that a turn to strong objectivity and systems journalism provides a path forward.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,018 |
| Communication savante | 0,019 | 0,020 |
| Science ouverte | 0,003 | 0,011 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,049 | 0,021 |
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 source (Gemma direct ou Codex distillé), 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 ».