Constructing a Sense of Place in Social Media
Notice bibliographique
Résumé
While social media platforms are often perceived as placeless, recent research into social media platforms have identified place identities of a similar nature to real-world communities. Of interest to social scientists is how participants on social media platforms construct these place identities, also known as a sense of place, solely through their behaviour when spatial connections are lacking. In our investigation, we focus on one form of behaviour: language-use associated with a place (i.e., dialect). Our primary research question is how participants construct a sense of place on social media platforms through language-use. We took crowd-sourced dialect terms from Wiktionary for six inner-circle national varieties of English (Australia, Canada, Ireland, New Zealand, United Kingdom, and the United States). We then compared the distribution of these dialect terms on subreddits associated with these. Additionally, we analyse the distribution of these dialect terms associated with New Zealand English for six cities in New Zealand (Auckland, Hamilton, Tauranga, Wellington, Christchurch, and Dunedin). Our hypothesis is that if these place-based subreddits maintain a sense of place, then there should be a relationship between the presence of these dialect terms and their respective places. We take approaches from Natural Language Processing (NLP) to process and analyse our data. Our results show that there is a relationship between these dialect terms at both country-level and city-level geographies. Therefore, we can reject the null hypothesis that there is no relationship and that dialect terms partially contribute to the sense of place on social media platforms. Additionally, we show that the distribution of these dialect terms correlate with other demographic patterns when we combine our analysis with census and survey data. The findings from our study suggests that language-use can be used as a measure of place identity in the absence of other sociogeographic information.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,459 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».