REGIONS OF THE COUNTRY BUT EXCLUDES QUEBEC. DISCOURSE ANALYSIS REQUIRES INTIMATE KNOWLEDGE OF THE NUANCES OF A LANGUAGE AND NEITHER AUTHOR HAS THE LEVEL OF EXPERTISE IN THE FRENCH LANGUAGE. MOREOVER, THERE IS ONLY ONE ENGLISH SPEAKING NEWSPAPER IN THAT PR
Notice bibliographique
Résumé
We wish to thank the Canadian Race Relations Foundation for giving us the opportunity to undertake this research study and for funding this project. The case study on the Racialization of Crime was also supported by Ryerson Polytechnic University. Marnie Bjornson played an instrumental role in the discourse analysis of this case study and we are very appreciative of her skills and efforts. Kirk Moss demonstrated creativity and persistence in his data gathering activities. We are also very indebted to our research assistant, Karen Snider, who helped with the data collection. Karen’s computer knowledge was invaluable. Finally, we would like to thank the Canadian Association of Black Journalists for their contribution in supporting this initiative. ___________________ EXECUTIVE SUMMARY ___________________ In this research study, the authors have examined the complex linkages between language, discourse and racism in the media. Four case studies provide examples of the way in which racialized discourse is woven into the everyday practices of journalists and editors in Canadian newspapers. The findings of this study demonstrate that the media do not always objectively or neutrally report their facts or stories. Instead, media practitioners regularly socially
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,007 | 0,001 |
| Communication savante | 0,005 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,075 | 0,004 |
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 ».