Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Internet memes are an extremely popular form of online communication that are often disregarded as “trivial” due to their association with humor, emotion, and youth (Shifman, 2014, p. 15; Shifman, 2019). While these digital texts (e.g., image macros, tweets, hashtags, short videos, GIFs, etc.) play a significant role in the circulation of information (e.g., Milner, 2016), there is little empirical research on how they figure into young people’s daily information practices. To address this issue, I collaborated with a secondary school teacher, co-designing a class unit that invited students to examine the relationship between memes and digital citizenship. Adopting an ethnographic approach (Markham, 2017) inspired by several design-based research methodologies, I collected a variety of data from 21 youth participants (e.g., field notes/photos, assignments), performing 15 semi-structured student interviews and 2 semi-structured teacher interviews. These materials, which I analyzed using narrative and visual analysis (Frank, 2012; Rose, 2016), included student projects on various meme-related topics (e.g., free speech, dark humor, misinformation, etc.). My findings showcase the significance of humor to students’ conceptualization of memetic storytelling and the joyful nature of the personal experiences they associated with it. Laughter, I argue, impacted their negotiations of the values memes represent and shaped the information they provided. Through its conceptualization of the informational role humor plays in young people’s meme engagements, this research contributes to present knowledge of how memes factor into civic discourse, offering valuable insight to educators, librarians, and guardians who engage youth in information literacy and citizenship education.
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.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle