An Investigation of Social Media Use for Environmental Norm Development: An Exploration of an Emerging Multi-Actor Regulatory Governance Normative Process
Notice bibliographique
Résumé
<p>This dissertation posits that social media platforms (e.g., Twitter and Facebook) represent a new process and fora for the development and implementation of norms that regulate environmental behaviour, with unique characteristics, strengths, and weaknesses, when compared with conventional processes and fora for regulatory activity and codified norm development, such as state-based legislative assemblies and non-state standards bodies. Distinctive features of social media platforms affect user interactions and experiences, which in turn impact how environmental norm conversations take place on those platforms, as opposed to norm conversations that take place through legislatures or formal standards processes. In addition, distinctive characteristics of public sector, private sector, and civil society actors affect how they use social media in development of environmental norms. This research hypothesizes that the way in which social media is used to formulate environmental norms and the importance of social media as a venue for environmental norm conversations varies, depending in large part on distinctive characteristics of the governance actors (i.e., government, third sector actors, and the private sector) and their societal roles, interacting with the distinctive characteristics of social media. In addition to a cross-disciplinary review of scholarly literature, this dissertation explores the veracity of this hypothesis using two investigations; one that compares the use of Twitter by two Ontario government agencies, and a second case study that explores of a Twitter micronorm conversation about the groundwater operations of the water bottling industry in Ontario and other jurisdictions. </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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,006 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».