MétaCan
Menu
Retour à la cohorte
Enregistrement W4285350465 · doi:10.51952/9781529204957.ch005

The Leaders: ‘Iron Ladies’ and ‘Dangerous’ Women

2021· book-chapter· en· W4285350465 sur OpenAlexaboutno aff
Emily Harmer

Notice bibliographique

RevueBristol University Press eBooks · 2021
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueAustralian History and Society
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusiness

Résumé

récupéré en direct d'OpenAlex

It took until 1979 for a woman to lead a major political party into a British general election. Since then, an uptick in the number of female leaders offers a chance to assess the way women party leaders are represented in newspaper coverage. Since Margaret Thatcher’s first campaign as Conservative Party leader in 1979, there have been five campaigns in which women leaders have been the subject of press attention. This chapter will therefore focus on these five elections. For the first three, 1979, 1983, and 1987, Margaret Thatcher was the only female leader. In the 2015 and 2017 campaigns, multiple women leaders were visible in the news, including the Conservative’s Theresa May (2017), the Green Party’s Natalie Bennett (2015) and Caroline Lucas (2017), Plaid Cymru’s Leanne Wood (2015 and 2017), and the Scottish National Party’s (and first minister of Scotland) Nicola Sturgeon (2015 and 2017). Of these elections, three were contested by female prime ministers (1983, 1987, and 2017). While the 2010 election was contested by a female party leader (Caroline Lucas, Green Party), this campaign could not be included because she did not appear in the sampled newspaper coverage. Given that party leaders have a much higher public profile than their female colleagues, it would be significant if this effects how they are reported on in gendered terms. There is some evidence suggesting that as women in Australia and Canada become increasingly prominent, news coverage about them is less likely to centre their gender identity (Trimble et al, 2019).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut 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: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0100,013
Communication savante0,0080,005
Science ouverte0,0000,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0120,002

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 Opus0,051
Tête enseignante GPT0,235
Écart entre enseignants0,184 · 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 source (Gemma direct ou Codex distillé), 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
GenreAutre

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

En bref

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBristol University Press eBooksMême sujetAustralian History and SocietyTravaux en français237 207