Explorer la moralité canadienne par le biais des plaintes concernant le contenu radio-télédiffusé
Bibliographic record
Abstract
Cette recherche visait à mieux comprendre les liens la morale personnelle, l’identité sociale au Canada et les médias. Pour ce faire, une analyse quantitative s’appuyant sur trois échantillons de données a été effectuée, et ce, à la lumière de la théorie des fondements moraux (TFM) (Haidt & Joseph, 2008) et de la théorie de l’identité sociale (Tajfel, 1981). Les échantillons sont les suivants : a) les mots clés assignés aux plaintes déposées au Conseil canadien des normes de la radiotélévision (CCNR); b) l’expression des fondements moraux des textes des plaintes délibérées par le CCNR et c) les données des participants canadiens de YourMorals.org, une recherche toujours en cours de Ditto, Graham, Haidt et coll. Les analyses de données ont permis de déterminer si le contenu médiatique stimule l’expression de matrices morales particulières, en fonction de la région d’origine, du genre et de la langue des plaignants. Les résultats suggèrent qu’il existerait des distinctions morales selon le genre, la langue, les régions d'origine des participants et les stimuli vécus. La présente étude est la première à mettre à l’épreuve la théorie des fondements moraux quant au jugement moral face à un contenu médiatique. Ce faisant, elle jette un éclairage nouveau sur cette même théorie en l’appliquant au contexte canadien et éclairant les liens entre la moralité et les identités canadiennes.
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 | 0.009 | 0.021 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.005 | 0.010 |
| Scholarly communication | 0.012 | 0.005 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 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".