MétaCan
Menu
Retour à la cohorte
Enregistrement W4399328420 · doi:10.1177/13548565241255044

A framework for examining hybridity: The case of academic explanatory journalism

2024· article· en· W4399328420 sur OpenAlexafffund
Michelle Bartleman, Elizabeth Dubois, Isabel Macdonald

Notice bibliographique

RevueConvergence The International Journal of Research into New Media Technologies · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMisinformation and Its Impacts
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésHybridityExplanatory modelJournalismSociologyPolitical scienceEpistemologyMedia studiesAnthropologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

Across a number of disciplines, hybridity is regularly invoked when two previously distinct elements - whether objects, concepts, frameworks, practices, models, mediums or institutions - are brought together. However, this is often done with a vague theoretical nod. Labeled a hybrid and left at the level of broad theory, scholarship has tended to ignore a critical issue: what happens when the disparate elements of a hybrid are introduced in practice? This conceptual paper takes the case of academic explanatory journalism, a nascent intentional collaborative practice between academic authors and journalist editors, in order to illustrate how the theoretical concept of hybridity plays out in practice. This particular case presents a number of opportunities and benefits within a Western democratic context. However, our examination highlights that without a more nuanced discussion of how hybridization plays out in real life, its potential benefits are compromised. We propose a five-step framework that can be applied to other examples of hybridity, across varied disciplines beyond media and communication studies. This five-step framework helps uncover the complications that might arise when disparate elements are hybridized, moving from theory into practice. The approach helps create the space and understanding needed to design solutions pre-emptively.

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)0,027
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,140

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0270,027
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0080,005
Études des sciences et des technologies0,0150,107
Communication savante0,0180,024
Science ouverte0,0040,014
Intégrité de la recherche0,0090,007
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,248
Tête enseignante GPT0,495
Écart entre enseignants0,247 · 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'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

Citations3
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueConvergence The International Journal of Research into New Media TechnologiesMême sujetMisinformation and Its ImpactsTravaux en français237 207