Beyond protests: Using computational text analysis to explore a greater variety of social movement activities
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Social movement scholars use protest events as a way to quantify social movements, and have most often used large, national newspapers to identify those events. This has introduced known and unknown biases into our measurement of social movements. We know that national newspapers tend to cover larger and more contentious events and organizations. Protest events are furthermore a small part of what social movements actually do. Without other readily available options to quantify social movements, however, big-N studies have continued to focus on protest events via a few large newspapers. With advances in digitized data and computational methods, we now no longer have to rely on large newspapers or focus only on protests to quantify important aspects of social movements. In this paper we use the environmental movement as a case study, analyzing data from a wide range of local, regional, and national newspapers in the United States to quantify multiple facets of social movements. We argue that the incorporation of more data and new methods to quantify information in text has the potential to transform the way we both conceive of and measure social movements in three ways: (1) the type of focal social movement organization included, (2) the type of tactics and issues covered, and (3) the ability to go beyond protest events as the primary unit of analysis. In addition to demonstrating ways that the focus on counting protest events has introduced specific biases in the type of tactics, issues, and organizations covered in social movement research, we argue that computational methods can help us extract and count meaningful aspects of social movements well beyond event counts. In short, the infusion of new data and methods into social movements, peace, and conflict studies could lead us to a substantial shift in the way we quantify social movements, from protest events to everything that occurs outside of them.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 découle