MétaCan
Menu
Retour à la cohorte
Enregistrement W4368372558 · doi:10.32920/22761206.v1

Mapping Change in Canada’s Local News Landscape: An Investigation of Research Impact on Public Policy

2023· preprint· en· W4368372558 sur OpenAlexaboutno aff
April Lindgren, Jon Corbett, Jaigris Hodson

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineSocial Sciences
ThématiquePolicy Transfer and Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésJournalismGovernment (linguistics)Public policyPolitical sciencePublic relationsLocal governmentProcess (computing)ConsciousnessTracking (education)Public administrationSociologyPsychologyComputer science

Résumé

récupéré en direct d'OpenAlex

<p>This study investigates whether the Local News Map, a crowdsourced digital tool that tracks changes to local news outlets, influenced policy making that resulted in new government supports for Canadian journalism. It demonstrates how scholarly research informs government decision making and identifies a more nuanced approach to tracking research impact at a time when funders are increasingly demanding evidence that research dollars are well spent. We argue that research knowledge is used for various purposes at different points in policy making and that its impact should not just be assessed in terms of influence on a final outcome. Using a mixed-methods approach to chronicle opportunities for research influence, we found that map data were incorporated into news and social media content that helped push the news industry’s problems onto the government’s policy-making agenda. The data were also used by officials to understand what is happening to local newsrooms and to develop a policy rationale for government aid. The results suggest that when impact is defined as situations where scholarly knowledge raises consciousness of an issue, informs thinking or leads to the application of that knowledge, the result is a more realistic assessment of research impact on the policy process.</p>

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)0,003
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 enseignants0,166
Score d'incertitude au seuil0,983

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,322
Tête enseignante GPT0,466
Écart entre enseignants0,144 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPolicy Transfer and LearningTravaux en français237 207