MétaCan
Menu
Retour à la cohorte
Enregistrement W4323569782 · doi:10.3390/tourhosp4010009

Discourses of Fear in Online News Media: Implications for Perceived Risk of Travel

2023· article· en· W4323569782 sur OpenAlexaffabout
Kelley A. McClinchey, Frédéric Dimanche

Notice bibliographique

RevueTourism and Hospitality · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiverse Aspects of Tourism Research
Établissements canadiensToronto Metropolitan UniversityWilfrid Laurier University
Organismes subventionnairesnon disponible
Mots-clésFraming (construction)TourismNews mediaAdvertisingScholarshipNarrativeContext (archaeology)Social mediaThematic analysisPolitical scienceAnxietyPublic relationsSociologyPsychologyBusinessGeographyQualitative researchSocial science

Résumé

récupéré en direct d'OpenAlex

This paper analyzes the role of Canadian online news media in framing travel during the pandemic. The article applies Altheide’s concept of the problem frame to reflect how news media contribute to the emergence of a highly rationalized problem that, in turn, generates a discourse of fear. While the impacts of COVID-19 on tourism have been extensively examined within tourism scholarship, less attention has been devoted to the impact of news media. Because travel and the pandemic are heavily intertwined, discourse analysis can help process media narratives, furthering our understanding of their role in influencing perceived risk of travel. A critical discourse analysis of over 100 online news articles was conducted using thematic analysis to uncover themes in Canadian media sources and to explore how the media have framed travel during the pandemic. The role of online news media in promoting fear was communicated through the themes of anxiety, antitrust, avoidance, and animosity. The role of the media in producing the problem frame in the context of travel was examined as well as its implications for perceived travel risk and tourism demand. The power dynamics between media, government, and the citizens it serves are also discussed.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,148
Score d'incertitude au seuil0,981

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 Opus0,043
Tête enseignante GPT0,372
Écart entre enseignants0,329 · 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'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

Citations2
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTourism and HospitalityMême sujetDiverse Aspects of Tourism ResearchTravaux en français237 207