MétaCan
Menu
Retour à la cohorte
Enregistrement W4285128315 · doi:10.1007/978-3-030-95220-4_10

State Actor Policy and Regulation Across the Platform-SVOD Divide

2022· book-chapter· en· W4285128315 sur OpenAlexaboutno aff
Stuart Cunningham, Oliver Eklund

Notice bibliographique

RevuePalgrave global media policy and business · 2022
Typebook-chapter
Langueen
DomaineBusiness, Management and Accounting
ThématiqueDigital Platforms and Economics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDominance (genetics)Political sciencePillarArgument (complex analysis)Social mediaJournalismNew mediaEuropean unionState (computer science)Democratic deficitPolitical economyDemocracyBusinessEconomicsLawEngineeringPoliticsInternational tradeComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract There are rapidly growing concerns worldwide about the impact of content aggregation and distribution through digital platforms on traditional media industries and society in general. These have given rise to policy and regulation across the social pillar, including issues of privacy, moderation, and cyberbullying; the public interest/infosphere pillar, with issues such as fake news, the democratic deficit, and the crisis in journalism; and the competition pillar, involving issues based on platform dominance in advertising markets. The cultural pillar, involving the impact of SVODs on the ability of content regulation to support local production capacity, is often bracketed out of these debates. We argue this divide is increasingly untenable due to the convergent complexities of contemporary media and communications policy and regulation. We pursue this argument by offering three issues that bring policy and regulation together across the platform-SVOD divide: digital and global players have been beyond the reach of established broadcasting regulation; the nature of the Silicon Valley playbook for disrupting media markets; and platforms and SVODs now need not only to be aggregators but also contributors to local cultures. We draw on three examples: the European Union, Canada and Australia.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,762
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,024
Tête enseignante GPT0,239
Écart entre enseignants0,215 · 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.

Devis d'étudeThéorique ou conceptuel
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

Citations9
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePalgrave global media policy and businessMême sujetDigital Platforms and EconomicsTravaux en français237 207