MétaCan
Menu
Retour à la cohorte
Enregistrement W4365803839 · doi:10.1123/ssj.2022-0149

A Proposal for an “Environmental Sports Journalism” (ESJ) Approach: Principles and Illustrative Examples From Coverage of the Rio 2016 and PyeongChang 2018 Olympic and Paralympic Games

2023· article· en· W4365803839 sur OpenAlexafffund
Brian Wilson, Liv Yoon

Notice bibliographique

RevueSociology of Sport Journal · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueClimate Change Communication and Perception
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésJournalismWork (physics)Political scienceSociologySet (abstract data type)Public relationsAdvertisingMedia studiesEngineeringComputer scienceBusiness

Résumé

récupéré en direct d'OpenAlex

This article introduces/rationalizes an attempt to conceptualize “environmental sports journalism (ESJ).” ESJ refers to a set of principles for analyzing and/or reporting on media coverage of sport-related environmental issues—principles intended to support/promote dialogue and nuanced thinking about these issues and about how sports journalism might contribute to environmentally friendly and just outcomes. To clarify features of ESJ and explore benefits/challenges of ESJ, we include illustrative examples of ESJ from media coverage of: (a) polluted harbor water used for the 2016 Rio Olympic and Paralympic Summer Games and (b) the razing of an ancient forest for a ski facility for the 2018 PyeongChang Olympic and Paralympic Winter Games. We conclude with reflections on the potential/limits of ESJ and suggestions for work on sport, journalism, and environmental issues.

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)0,000
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 enseignants0,095
Score d'incertitude au seuil0,837

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
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 Opus0,270
Tête enseignante GPT0,377
Écart entre enseignants0,107 · 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 revueSociology of Sport JournalMême sujetClimate Change Communication and PerceptionTravaux en français237 207