What Do We Mean by ‘Representation’? Towards a Systematic Corpus-Assisted Critical Discourse Analysis of First Nations People(s) in Australian Print News
Notice bibliographique
Résumé
Given the enduring influence of news media on public awareness and opinion of Aboriginal and Torres Strait Islander people(s) and related issues, systematic analysis of how these communities are represented in news media remains socially significant. However, what analysts mean when they use the term ‘representation’ shows considerable variation across the literature, from the amount of coverage relevant stories are afforded, to the inclusion of First Nations sources, to the narratives that a given version of events constructs. Moreover, while language is central to the discursive construction of these matters, few linguistic studies of Aboriginal and Torres Strait Islander media representations exist. To begin to address these gaps, this study first maps the forms of representation identified in previous research, before analysing three of the four types (visibility, naming strategies and portrayal) via a corpus-assisted critical discourse analysis of news articles about Aboriginal and Torres Strait Islander people(s) and issues. It finds that, by and large, how First Nations people(s) are represented is inconsistent—while in some areas, representation broadly aligns with expectations expressed by First Nations communities (i.e. for increased coverage, respectful terms of reference and strengths-based discourses), problematic practices persist. Importantly, however, the analysis also illuminates a range of journalistic practices that can be implemented to improve representation in areas currently lacking.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».