The Truth(s) Behind “True Crime”: Examining the Role of Narrative in the Retellings of the Rafay Family Murders
Notice bibliographique
Résumé
In April of 1995, the Royal Canadian Mounted Police (RCMP) launched their second ever “Mr. Big” operation: one that involves an intricate interrogation technique designed to elicit a confession from suspected criminals in cases where physical evidence cannot link the accused to the crime. The targets of this operation were suspected murderers Sebastian Burns and Atif Rafay. The highly publicized case was discussed extensively through traditional news coverage, as well as in various stories of the true crime genre. Through the use of narrative theory, this paper examines the role of narrative in the retelling of the Rafay family murders. I aim to determine whether one genre (hard news crime coverage) is ostensibly more fact-based and unbiased than that of another (true crime stories) through an examination of who is quoted, how often and in what order they are quoted, along with which events are discussed in the coverage of the Rafay family murders. To do so, I examined 118 articles from the Vancouver Sun, and two episodes from the Netflix documentary series, The Confession Tapes. Ultimately, I discover that both sources put forth a narrative regarding the Rafay family murders, and there is not a clear difference in the fairness of coverage when comparing the two sources. I conclude with a discussion about the role of the true crime genre, and whether it should be considered more than mere “entertainment,” given its status in comparison to the Vancouver Sun’s coverage.
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 | 0,006 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,006 | 0,010 |
| Communication savante | 0,009 | 0,006 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».