MétaCan
Menu
Retour à la cohorte
Enregistrement W4390637069 · doi:10.1177/07395329231221519

Building network agenda in China-U.S. trade conflict news: Transnational comparative study across China, the United States, Singapore and Ireland

2024· article· en· W4390637069 sur OpenAlexfundno aff
Shujun Liu

Notice bibliographique

RevueNewspaper Research Journal · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMedia Studies and Communication
Établissements canadiensnon disponible
Organismes subventionnairesState Oceanic AdministrationGeneral Administration of Quality Supervision, Inspection and Quarantine of the People's Republic of ChinaNational Development and Reform CommissionMinistry of Land and Resources of the People's Republic of ChinaMinistry of Water ResourcesChinese People’s Liberation ArmyMinistry of Economy, Trade and IndustryMinistry of Agriculture of the People's Republic of ChinaU.S. Department of JusticeChina National Offshore Oil CorporationCommercial Aircraft of ChinaChina Meteorological AdministrationMinistry of Industry and Information Technology of the People's Republic of ChinaMinistry of Science and Technology of the People's Republic of ChinaCentre in Green Chemistry and CatalysisU.S. Department of Homeland SecurityChinese Academy of Sciences
Mots-clésChinaPolitical scienceNewspaperEconomyInternational tradeBusinessLawEconomics

Résumé

récupéré en direct d'OpenAlex

Drawing from agenda building theory, this study explores the impact of factors like journalistic culture, national stance and conflict periods on the similarity and dissimilarity of network agendas in China-U.S. trade conflict news across China, the United States, Singapore and Ireland. Findings revealed significant correlations in network agendas across countries, albeit with disparities between China and the United States. Notably, the correlation weakened in both Chinese and U.S. news following the trade war’s eruption.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,017
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0050,004
Études des sciences et des technologies0,0020,001
Communication savante0,0030,003
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,167
Tête enseignante GPT0,478
Écart entre enseignants0,311 · 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 source (Gemma direct ou Codex distillé), 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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNewspaper Research JournalMême sujetMedia Studies and CommunicationTravaux en français237 207