Notícia boa é a notícia ruim? Critérios de noticiabilidade no compartilhamento de notícias em três países
Notice bibliographique
Résumé
Social media have played an increasingly important role in the news flow. Amidst several content producers and algorithmic mediation, the news flow on these platforms is enhanced by common users, who share journalistic content through their personal profiles. Based on newsworthiness, a range of research investigate criteria that can help to predict the patterns of news sharing, namely, shareworthiness (TRILLING; TOLOCHKO; BURSCHER, 2017) and how it appears in different contexts. This research investigates the effect of news factors on news sharing on Facebook, in a comparative perspective between Brazil, the United States and Canada, countries with different levels of political stability. To this end, we performed a content analysis of the news published on Facebook during a continuous week in 2016 (n = 1658), by the two news media’s largest pages in each country. They are G1 and Veja (Brazil), Fox News and The New York Times (USA), Global News and CBC News (Canada). Based on Eilder's conception of newsworthiness (2006) and on the state of the art drawn from the empirical studies on news sharing published in the last two decades, we raised six hypotheses about the effect of success, damage, controversy/conflict, influence, proeminence and proximity factors on sharing patterns and the expected differences between countries. The main difference in the sharing patterns of the countries was related to the controversy/conflict factor, corresponding to the context of each country during the sample period. The main similarity was related to the damage factor, that is, negative news. It showed the most stable effect with the greatest statistical significance, which suggests the relevance of this type of news on audience engagement. KEYWORDS: News sharing; Facebook; Newsworthiness
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».