MétaCan
Menu
Retour à la cohorte
Enregistrement W4297139304 · doi:10.33282/abaa.v14i56.878

Comment moderation strategies in Canadian news media and their principles

2022· article· en· W4297139304 sur OpenAlexaffabout
Ahmed Al‐Rawi, Joseph M. Nicolaï

Notice bibliographique

RevueALBAHITH ALALAMI · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueHate Speech and Cyberbullying Detection
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésNews mediaNews valuesModerationPolitical scienceDemocracyMedia studiesPublic relationsAdvertisingSociologyPsychologyBusinessPoliticsLawSocial psychology

Résumé

récupéré en direct d'OpenAlex

This paper offers a critical examination of Canadian news guidelines and policieson user-generated content (UGC) posted on news-related comment sections andsocial media.The outline of how news-related UGC is moderated within Canadian news is achievedby looking at the online comment policies of major Canadian news organizations like .the CBC, CityNews (Halifax), CTV News, Glacier Media, Global News, The Globeand Mail, Narcity Media, Postmedia, QUB (Québecor), and Torstar.The policies highlight how Canadian news organizations have practical strategiesto manage news-related UGC but also call upon positive and negative socialprinciples, to flag ill practices, foster democracy, and fight against online hate speechand libel. The analysis shows how guidelines reflect many of the key principles highlightedin the literature review but make no reference to economic principles thatare emphasized as important in academic and journalist concerns with moderatingnews-related UGC.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,655
Score d'incertitude au seuil0,904

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 ouverte0,0000,000
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 Opus0,016
Tête enseignante GPT0,210
Écart entre enseignants0,194 · 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'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

Citations1
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueALBAHITH ALALAMIMême sujetHate Speech and Cyberbullying DetectionTravaux en français237 207