Horrible monsters and destroyed victims : A qualitative content analysis of the portrayal of sexual abuse of children on the Internet in Swedish and Canadian press
Notice bibliographique
Résumé
20 procent av världens barn har blivit utsatta för sexuella övergrepp och i och med internets utveckling har gärningsmän fått fler möjligheter att kontakta barn i sexuella syften. Det finns tydliga riktlinjer för hur sexuella övergrepp mot barn ska framställas i media och hur gestaltningen påverkar offren. Studien ämnar att undersöka hur två av de största dagstidningarna i Sverige och Kanada gestaltar samma fall av sexuella övergrepp mot barn via internet. Vi ämnar även att undersöka hur länderna förhåller sig till sina pressetiska regler i sin gestaltning av fallet samt granska förändringen av gestaltningen innan och efter dom. Genom metoderna kvalitativ innehållsanalys och gestaltningsanalys har åtta artiklar granskats i analysscheman. Artiklarna är tagna från de svenska dagstidningarna Dagens Nyheter och Svenska Dagbladet och de kanadensiska dagstidningarna The Globe and Mail och Toronto Star. En artikel innan och en efter gärningsmannens dom analyseras från samtliga tidningar. Fallet handlar om en svensk man som utsatte barn för sexuella övergrepp över internet och offren befann sig i USA, Skottland och Kanada. Detta var det första svenska fallet som involverade sexuella övergrepp över internet som rubricerades som våldtäkt och i och med utfallet kan det sätta standarden för liknande fall i framtiden. Med stöd av gestaltningsteorin, tidigare forskning och ländernas pressetiska regler kan vi fastställa att det finns intressanta skillnader och likheter i gestaltningen av fallet mellan länderna. De svenska tidningsartiklarna beskriver brotten grafiskt och detaljerat medan de kanadensiska artiklarna beskriver brotten med användning av adjektiv. I de svenska artiklarna förekommer beskrivningar och uttalanden som dömde gärningsmannen innan dom. En markant likhet mellan ländernas artiklar är att främsta fokus ligger på gärningsmannen. Både innan och efter domen demoniseras han för de brott han begått och artiklarna framställer honom som ett avskyvärt monster.
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 | 0,010 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,007 | 0,010 |
| Études des sciences et des technologies | 0,025 | 0,025 |
| Communication savante | 0,015 | 0,007 |
| Science ouverte | 0,003 | 0,010 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».