MétaCan
Menu
Retour à la cohorte
Enregistrement W4365146397 · doi:10.1177/17416590231168337

News media framing of correctional officers: “Corrections is so Negative, we don’t get any Good Recognition”

2023· article· en· W4365146397 sur OpenAlexaffabout
Rosemary Ricciardelli, Mark C. J. Stoddart, Heather Austin

Notice bibliographique

RevueCrime Media Culture An International Journal · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCriminal Justice and Corrections Analysis
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésFraming (construction)MainstreamMedia studiesNarrativeNews mediaPerceptionSociologyPublic relationsSocial psychologyPsychologyPolitical scienceLawHistoryArtLiterature

Résumé

récupéré en direct d'OpenAlex

The work of correctional officers (COs) is essential yet remains largely hidden from society. As such, media framing plays an important role in shaping public perceptions of COs and their work. COs encounter adverse events over the course of their occupational work and are legally—and sometimes publicly—held accountable. In the current study, we first present a text-based frame analysis of local news media published between January 2019 and December 2019 to see how COs are represented in the province of Newfoundland and Labrador (NL). We then draw from 25 interviews with COs employed at Her [His] Majesty’s Penitentiary in St. John’s, NL, to learn how the officers interpret the media’s framing of their occupation. Grounded emergent theme analyses of interview data reveal officers share concerns about what they perceived as unfair negative media framing. COs more often feel like objects of media framing with little agency to shape media narratives about their work. COs’ lay theories about their representation in mainstream news media illuminate a misalignment between media framing and their own work experience. This misalignment is a source of anxiety and additional job strain.

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)0,003
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,078
Score d'incertitude au seuil0,154

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0090,008
Communication savante0,0080,004
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
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 Opus0,050
Tête enseignante GPT0,347
Écart entre enseignants0,297 · 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'étudeQualitatif
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

Citations21
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCrime Media Culture An International JournalMême sujetCriminal Justice and Corrections AnalysisTravaux en français237 207