« Aujourd’hui, les villageois ne sont plus en retard sur leur temps. Aujourd’hui, on vend du Pepsi dans les villages »
Bibliographic record
Abstract
En 1959, lorsque la télévision a fait son apparition en Inde, le premier ministre de l’époque, Jawaharlal Nehru, a affirmé qu’il s’agissait d’un luxe que le pays ne pouvait se permettre. Il estimait que ce média devait être axé sur la population rurale, et servir à l’éducation et au développement. À l’époque de ma recherche en 2002-2003, bien que 70 % de la population de l’Inde vive encore en milieu rural, la vision de Nehru était largement oubliée et les émissions présentaient principalement des familles des classes moyenne et supérieure dans un environnement urbain. Cet article étudie les différentes répercussions de cette programmation pour les collectivités urbaines plutôt que rurales chez les habitants de Kothariya au Rajasthan, en Inde. Après avoir présenté un résumé de l’histoire de la télévision en Inde, l’article traite des réalisateurs et des producteurs qui créent des émissions généralement axées sur les collectivités urbaines pour la chaîne publique de l’Inde, Doordarshan. Il fait ensuite état des répercussions de ces émissions sur les habitants des milieux ruraux, en s’intéressant particulièrement aux perceptions des comportements urbains et aux désirs de consommer acquis par le biais de la télévision.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".