MétaCan
Menu
Retour à la cohorte
Enregistrement W4317876127 · doi:10.5392/ijoc.2022.18.4.075

Interorganizational and International Networks For Digital Diplomacy Outreach: A Comparative Study of South Korea and China

2022· article· en· W4317876127 sur OpenAlexaboutno aff
Sejung Park

Notice bibliographique

RevueInternational Journal of Contents · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media and Politics
Établissements canadiensnon disponible
Organismes subventionnairesPukyong National University
Mots-clésOutreachChinaPublic diplomacyDiplomacyEast AsiaSocial network analysisGovernment (linguistics)Political scienceEconomic growthEconomyBusinessGeographySocial mediaPolitics

Résumé

récupéré en direct d'OpenAlex

This study introduced an analytical framework for assessing the inter-organizational network system and the web impacts of public diplomacy organizations’ sites through the cases of South Korea and China. This study compared interorganizational collaboration networks, the impact of the government agencies’ websites, and the sectoral and geographic distribution of information resources offered by the agencies on the web. Social network analysis was employed, and it indicated that the Chinese public diplomacy organizations constructed denser and more strongly connected networks than the Korean public diplomacy agencies. Furthermore, the results suggested that .com was the most popular generic top-level domain, followed by .org, .net, and .edu, for both Korean and Chinese organizations. The source sites that sent links to Korean organizations originated mostly from East Asian (Korea, Indonesia, and Japan) and European countries (Germany and Russia). Information about Chinese culture was spread more widely across diverse countries, including East Asian (China and Japan), North American (Canada), European (United Kingdom, France), and Oceanian (Australia) countries. For both Korea and China, domestic audiences played key roles as information hubs in each network, which illuminates a networked and cooperative form of digital diplomacy outreach in these countries.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,059
Score d'incertitude au seuil0,117

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0020,001
Communication savante0,0020,002
Science ouverte0,0000,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,061
Tête enseignante GPT0,366
Écart entre enseignants0,304 · 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'étudeObservationnel
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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of ContentsMême sujetSocial Media and PoliticsTravaux en français237 207