The university as a “giant newsroom”
Notice bibliographique
Résumé
Universities as institutions, and scholars as members of those institutions, have played important roles in journalism as knowledge generators, including sources and guest columnists but, usually, at arms-length. This chapter explores how universities and academics are becoming more central to journalism through a case study of The Conversation Canada’s coverage of COVID-19. Funded mostly by universities, The Conversation Canada is a not-for-profit digital journalism organization that challenges journalism’s professional identities, historic practices and commercial orientation. It has met with some institutional wariness from legacy media, reflecting how journalists have tended to react when actors outside the field have taken on activities traditionally associated with the profession. During the pandemic, public interest in COVID-19 supported a significant increase in readership for the digital publication focusing on stories that offered advice, guidance, and how-tos on issues such as the nature of the virus, social distancing, lockdowns, and hoaxes. The increased reach for The Conversation Canada came as more than 182 media outlets reported job cuts and almost 30 community newspapers were closed down across the country. The case study suggests that the higher education sector is in a unique position to provide trusted expertise during global crises. As a model, this case study suggests that partnerships or collaborations between journalism organizations and the higher education sector can be useful ways to mobilize university research and expert information given the market failure for commercial journalism in Canada, and its impact on communications infrastructures.
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 | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».