Matthias Bickenbach, Heiko Christians, and Nikolaus Wegmann, eds. <i>Historisches Wörterbuch des Mediengebrauchs</i>
Bibliographic record
Abstract
Schnelle und leicht zugängliche Orientierung im Problemfeld der Medien ermöglicht das Historische Wörterbuch des Mediengebrauchs in neuartiger Form. Als umfassende Informationsquelle im Bereich für Forschung, Lehre und Selbststudium liefert es nicht nur eine Analyse der Verwendung medialer Begrifflichkeiten, sondern bietet auch eine historische Sicht auf die Wechselwirkung zwischen Medien und ihrem Gebrauch. Vergleichende Beobachtungen unterschiedlicher Umgangsformen und Gebrauchsweisen mit der Medienwelt werden dadurch fassbar. Die Sammlung disziplinärer Grundbegriffe vereint etablierte Formen des Mediengebrauchs wie „schreiben“ und „inszenieren“ mit aktuellen Wortschöpfungen wie „twittern“ und „liken“. Diese werden von ausgewiesenen Fachleuten besprochen und analysiert. Anhand einer Anekdote aus Politik, Literatur oder Alltag eröffnet sich dem Leser die Gebrauchsweise des Begriffs. Anschließend wird die Etymologie erläutert und die überlieferten Verwendungskontexte ergänzt. Danach wird der Leser mit Schwankungen in der Semantik und im Sprachgebrauch vertraut gemacht. Die Erläuterung von Gegenbegrifflichkeiten und Einblicke in die Anwendbarkeits- und Forschungsperspektive sowie eine ergänzende Literaturliste vervollständigen die Artikel. So wird die Verwendungsgeschichte der Medien historisch transparent.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.009 | 0.011 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.028 | 0.020 |
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".