MétaCan
Menu
Retour à la cohorte
Enregistrement W7135800189

Railways in the news media

2012· dissertation· cs· W7135800189 sur OpenAlexaboutno aff
Milan Dolejší

Notice bibliographique

RevueDigital Repository (National Repository of Grey Literature) · 2012
Typedissertation
Languecs
DomaineEngineering
ThématiqueTransport and Logistics Innovations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNews mediaImpartialityWork (physics)Quality (philosophy)Section (typography)Quarter (Canadian coin)CzechPrint media
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The Railway in the News Media takes the railway topic as a specialized one of those the media deal with as a part of its general news.. The rail-news usually does not possess its own section - in contrast with some other specialized news topics, the railway news usually does not possess its own section. The railway topics occur in the economic, domestic or even the regional sections. Nevertheless, there are people specializing themselves in this topic in editorial staffs. Therefore, it is questionable whether the reservations about the quality of the rail-news are justified. This work attempts to research these processes. It deals with the professionalism of the rail-news processing. The work monitors impartiality of the news on the one hand and using of language and semiotics on the other hand. The basis of the work is a quantitative analysis of media contents dedicated to railway in selected printed media. The output is a summary of accuracy of reporting on operational, technical and historical facts about railway and of terminological correctness. It also examines the balance of railway subjects coverage in media. The research results in Czech news media making mistakes in specialized topic news. However. the mistakes are not too serious. Approximately one quarter of analyzed news contents were...

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0080,012
Études des sciences et des technologies0,0020,003
Communication savante0,0120,006
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,002

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,235
Écart entre enseignants0,220 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDigital Repository (National Repository of Grey Literature)Même sujetTransport and Logistics InnovationsTravaux en français237 207