MétaCan
Menu
Retour à la cohorte
Enregistrement W4245809714 · doi:10.31235/osf.io/mcdak

Whose News? Class-Biased Economic Reporting in the United States

2020· preprint· en· W4245809714 sur OpenAlexaff
Alan M. Jacobs, J. Scott Matthews, Timothy Jacobs Hicks, Eric Merkley

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueMedia Influence and Politics
Établissements canadiensUniversity of TorontoUniversity of British ColumbiaMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésEconomic welfareInequalityWelfareEconomicsEconomic inequalityYield (engineering)Media biasDistribution (mathematics)Tone (literature)Income distributionState (computer science)Class (philosophy)Demographic economicsPolitical scienceMarket economyLaw

Résumé

récupéré en direct d'OpenAlex

There is substantial evidence that voters’ choices are shaped by assessments of the state of the economy and that these assessments, in turn, are influenced by the news. But how does the economic news track the welfare of different income groups in an era of rising inequality? Whose economy does the news cover? Drawing on a large new dataset of U.S. news content, we demonstrate that the tone of the economic news strongly and disproportionately tracks the fortunes of the richest households, with little sensitivity to income changes among the non-rich. Further, we present evidence that this “class bias” emerges not from pro-rich journalistic preferences but, rather, from the interaction of the media’s focus on economic aggregates with structural features of the relationship between economic growth and distribution. The findings yield a novel explanation of distributionally perverse electoral patterns and demonstrate how the structure of the economy conditions economic accountability.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,655
Score d'incertitude au seuil0,985

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,154
Tête enseignante GPT0,407
Écart entre enseignants0,253 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMedia Influence and PoliticsTravaux en français237 207