MétaCan
Menu
Retour à la cohorte
Enregistrement W4379527109 · doi:10.1123/ijsc.2023-0025

“Be a Good Fan During the Good, the Bad, and Even the Ugly”: Exploring Cultural Boundaries Through Sport Fan Discourses on Twitter

2023· article· en· W4379527109 sur OpenAlexaffabout
Katherine Sveinson, Larena Hoeber

Notice bibliographique

RevueInternational Journal of Sport Communication · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSports, Gender, and Society
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésFandomSociologyIdeologyCritical discourse analysisMedia studiesPoliticsPluralSet (abstract data type)Computer scienceLinguisticsLawPolitical science

Résumé

récupéré en direct d'OpenAlex

While sport fandom can be assumed to be inclusive, a deeper exploration of discourses around fandom exposes alternative perspectives. Using the frameworks of cultural boundaries and critical discourse studies, we explored how sport fans use Twitter to create, maintain, and transform cultural boundaries of sport fandom. We used tweets from a season of the Toronto Blue Jays baseball team as a case. Data were collected via Visual Twitter Analytics software focusing on tweets containing #LetsRise and #BlueJays. From the larger data set, we selected 172 tweets to examine using critical discourse analysis and ideological structures of discourse. Findings demonstrate that discourses of loyalty, consumption, and unity have plural meanings and are used to draw boundaries that are simultaneously fluid and rigid. Thus, we argue that fans engage in an active process of determining who is and is not included in fan cultures through Twitter use.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,316
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,000
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 Opus0,089
Tête enseignante GPT0,366
Écart entre enseignants0,278 · 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.

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

Citations7
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Sport CommunicationMême sujetSports, Gender, and SocietyTravaux en français237 207