Reimagining Canadian Journalism: A Case Study of News Startups in Montreal
Notice bibliographique
Résumé
The Canadian journalism industry has been in a self-described crisis, partly of its own making, for arguably as long as it has existed. With each new technological advancement comes a new wave of self-doubt, and in the past five years, many legacy news outlets have turned to the federal government for financial help. At the same time, a new crop of digital news startups has grown. Their numbers fluctuate, but at least 270 digital-first outlets existed in Canada as of last year (LION Publishers, 2023). These outlets tend to be more independent and less nostalgic about journalistic norms and traditions, forging new approaches to information-gathering and sharing. As trust in news media has generally eroded (Reuters, 2024), many news startups have responded by focusing on hyperlocal or niche information needs, and on direct audience engagement. Some are also exploring philanthropic funding opportunities or seeking out non-profit status, effectively turning the capitalist, ad-revenue-driven newspaper model on its head. Through a series of three 30- to 50-minute podcasts, three Montreal-based case studies – La Converse, The Rover and Pivot – are examined to help answer the question: As Canadian legacy news media crumble, how will the new kids on the block respond? Judging by interviews with the founders of the three news outlets, the next generation of journalism leaders value slowing down to conduct more long-form and investigative reporting; spotlighting voices that have been traditionally marginalized in the media; and, for some, favouring radical transparency over neutral objectivity.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,005 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,004 |
| 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 ».