Exploring TikTok’s Potential as a Platform for Valuable Journalism
Notice bibliographique
Résumé
News organizations have begun incorporating the social media app TikTok as one of the many platforms they post their content to. In Canada, since the passing of the Online News Act (Bill C-18) in summer 2023, Meta, the company that owns Facebook and Instagram, has blocked Canadian news outlets from posting content on their platforms, leading many to turn to TikTok to reach audiences on social media. The app's popularity and lack of transparency raise questions about whether valuable journalism could be possible on the app. This research-creation thesis uses Irene Costera Meijer's (2022) "valuable journalism" concept, which describes three experiences that may lead individuals to feel a sense of value towards a news story: (1) getting recognition, (2) increasing mutual understanding, and (3) learning something new. Guided by these concepts, this research analyzes three Canadian commercial mainstream news outlets’ TikTok accounts—namely CTV News, Global News, and CityNews Toronto—to explore whether their content exhibits elements of these "valuable journalism" experience. The total number of TikTok videos analyzed in this research is 542 across all three news outlets' TikTok accounts between August 11 and November 11, 2023. The results show a progressive use of TikTok and overall evidence of valuable experiences according to Costera Meijer's concepts, but also suggests more can be done to creatively produce news on the app using its tailored tools, and to reach audiences in valuable ways. These findings helped inform the creation of three original TikTok videos that each seek to demonstrate the elements of Costera Meijer's three valuable news experiences, to bridge these theoretical aspects to practical elements of journalism production for social media.
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 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».