The impact of online trauma threats faced by journalists: The case of COVID-19-imposed remote-working regimes
Notice bibliographique
Résumé
Abstract The global reach of the COVID-19 pandemic, with its sustained infection and fatality rates from the first quarter of 2020, has deeply affected the majority of journalists across the world, who now find themselves working on stories of trauma linked to the pandemic from remote locations and under restrictive working conditions. These COVID-19-enforced working conditions have exponentially increased the exposure levels of online trauma threats faced by journalists. This research examines the confluence of online trauma threats and their manifestations and impacts, along with mitigative measures some journalists took to ease the impact of this confluence. The research is guided by the central question: ‘How are journalists experiencing and responding to online trauma threats they face in the line of work during and ‘post’ COVID-19 lockdowns?’ The research utilises three distinct yet interrelated methods: an online survey; in-depth, semi-structured interviews; and narrative case studies in the form of feature-length journalism. Thematic analysis of the survey and interviews provides a framework for the works of journalism, which are situated in broader contexts of the journalism profession and online trauma reporting. Responding to the increase in online trauma threat activity exacerbated by the COVID-19 pandemic, the research points towards potential transformations within the profession that might assist journalists to continue undertaking their important role in and for society.
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 | 0,000 |
| 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 | 0,002 | 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 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 ».