Ideasta animaatioksi - Lisämateriaalin synty Suomen Kuvalehdessä
Notice bibliographique
Résumé
Tämä opinnäytetyö käsittelee lisämateriaalin syntyä Suomen Kuvalehden sähköisiin välineisiin. Tutkimuksen toimeksiantaja on Suomen Kuvalehti. \n \nPainetun lehden jutuista jalostuva lisämateriaali tuo sisältöä Suomen Kuvalehden iPad-versioon sekä verkkopalveluun. Sen tuotantoprosessissa on kuitenkin kehittämisen ja parantamisen varaa. Tämän työn tavoite on kuvata lisämateriaalin syntyprosessi. Työn tarkoitus on esittää kehitysehdotuksia tämän prosessin parantamiseksi. \n \nTutkimus rajattiin yhteistyössä toimeksiantajan kanssa koskemaan viittä juttukokonaisuutta, joihin jokaiseen sisältyi erityyppistä lisämateriaalia. \n \nTutkimusaineistoon sisältyivät viiden juttukokonaisuuden ja lisämateriaalien lisäksi teemahaastattelun keinoin hankitut tiedot. Aineisto käytiin läpi käyttäen tapaustutkimusta. Aineistonkeruu toteutettiin syyskuun 2011 ja tammikuun 2012 välisenä aikana. \n \nTutkimuksessa selvisi, että toimittajien rooli on olennainen uuden idean esille tuomisessa. Lisäksi kävi ilmi, että kun lisämateriaalia tuotti kokenut verkkojournalisti, sähköisiin välineisiin päätyvä sisältö suunniteltiin samaan aikaan kuin painettuun lehteen. Muissa tapauksissa lisämateriaalin tuotantoprosessi käynnistyi vasta painetun lehden jutun valmistumisen jälkeen. Tutkimuksessa selvisi myös verkkotoimituksen korvaamaton rooli lisämateriaalin viimeistelyssä ja julkaisussa.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,074 | 0,022 |
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 source (Gemma direct ou Codex distillé), 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 ».