Bibliographic record
Abstract
Dalam proses framing pada akhirnya akan membawa efek. Karena sebuah realitas bisa jadi dibingkai dan dimaknai berbeda oleh media, bahkan pemaknaan itu bisa jadi akan sangat berbeda. Realitas sosial yang kompleks penuh dimensi dan tidak beraturan, disajikan dalam berita sebagai sesuatu yang sederhana, beraturan dan memenuhi logika tertentu. Berdasarkan penyederhanaan atas kompleksnya realitas yang disajikan media, menimbulkan efek framing, yaitu: Pertama. Framing yang dilakukan media akan menonjolkan aspek tertentu dan mengaburkan aspek yang lain. Framing umumnya ditandai dengan menonjolkan aspek tertentu dari realitas, akibatnya ada aspek lain yang tidak mendapat perhatian yang memadai. Kedua. Framing yang dilakukan oleh media akan menampilkan sisi tertentu dan melupakan sisi yang lain. Dengan menampilkan sisi tertentu dalam berita ada sisi lain yang terlupakan, menyebabkan aspek lain yang penting dalam memahami realitas tidak mendapat liputan dalam berita. Ketiga. Framing yang dilakukan media akan menampilkan aktor tertentu dan menyembunyikan aktor yang lain. Efek yang segera terlihat dalam pemberitaan yang memfokuskan pada satu pihak, menyebabkan pihak lain yang mungkin relevan dalam pemberitaan menjadi tersembunyi.
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 | 0.008 | 0.016 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.009 |
| Scholarly communication | 0.009 | 0.011 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.024 | 0.004 |
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".