De Toronto Raptors scoren op Snapchat, maar verliezen op de website. Een vergelijking van sportnieuws op Snapchat en op de website: een kwantitatieve inhoudsanalyse
Notice bibliographique
Résumé
Veel nieuwsorganisaties hebben vanwege de mediapolis, de wereld waarin we niet met media leven, maar in media (Deuze, 2011), een sociaal mediakanaal aangemaakt (Messner et al., 2011). Ook voor Snapchat. Snapchat is een van de nieuwste en snelst groeiende sociale media; een platform waarbij de content na 24 uur verdwijnt. Een miljoen Nederlanders maken gebruik van Snapchat. Vooral de jongere doelgroep van 15 tot 19 jaar (van der Veer, Sival & van der Meer, 2016).\nHouden journalisten, wanneer ze nieuwsberichten maken, rekening met deze doelgroep, en met de verdwijnende content? We stuiten hiermee op de grote vraag van dit onderzoek: In hoeverre verschilt de nieuwsselectie op Snapchat met de nieuwsselectie op de website van datzelfde medium van vijf grote sportmedia: SB Nation, CBC Sports, USA Today Sports, TSN en Eurosport?\nDeze vraag beantwoorden we door middel van een kwantitatieve inhoudsanalyse. De vijf verschillende sportmedia zijn gevolgd op Snapchat. Op basis van de inhoud van deze snaps is gezocht naar de corresponderende websiteberichten, op de website van het betreffende sportmedium. Van de 385 matchende snaps en websiteberichten is een vergelijking gemaakt op basis van onderwerp, genre, nieuwswaarden, emotionaliteit en originaliteit.\nResumerend kan gesteld worden dat de twee verschillende platforms van compleet andere aard zijn. De overeenkomsten qua genre, onderwerp en nieuwswaarden zijn ver te zoeken. Wat opviel was dat er op de website meer emotionaliteit wordt gebruikt in de nieuwsberichten dan op Snapchat. Het enige waarin Snapchat en de website niet verschillen is de originaliteit. Op beide platforms worden de berichten speciaal voor het platform zelf gemaakt, wat betekent dat journalisten voor de website en voor Snapchat aparte berichten creëren.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,006 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».