КАНАДСЬКІ ПОЛІТИЧНІ КАРИКАТУРИ ЯК МЕДІЙНИЙ ІНСТРУМЕНТ ЗАСУДЖЕННЯ РОСІЙСЬКОЇ АГРЕСІЇ ПРОТИ УКРАЇНИ
Bibliographic record
Abstract
Статтю присвячено розглядові політичних карикатур на тему повномасштабної російсько-української війни, відібраних з канадських онлайн-видань Edmonton Journal, Toronto Sun, The Globe and Mail та Saltwire за 2022–2024 роки. Карикатури таких відомих художників, як Майкл де Аддер, Тім Долаєн, Малкольм Мейес, Брайан Ґейбл та Брюс Маккіннон широко використовуються для висвітлення російської агресії проти України і виступають ефективним інструментом формування громадської думки. Створюючи яскравий образ, карикатури коротко та чітко характеризують суть суспільного процесу, дії чи явища. Карикатури стимулюють читацьку аудиторію до критичного осмислення інформації, сприяючи розвитку аналітичних здібностей та формуванню резистентності до російських пропагандистських наративів. Художники-карикатуристи значну увагу приділяють особистості президента російської федерації владіміра путіна. У їхніх творах знаходить висвітлення його мілітаристська політика, бажання відродити Радянський Союз та заяви, які розходяться з дійсністю. Образ очільника кремля символізує агресію, ненависть та зневагу до мирних цінно стей і свідчить про йог о прагнення до авторитаризму та імперської величі. Приховати істинний характер подій, замаскувати правду та сформувати громадську думку у бажаному напрямі російським політикам допомагають евфемізми, добре відомими з яких є «спеціальна військова операція», «звільнення», «демілітаризація» і «денацифікація». Зміст проаналізованих політичних карикатур суголосний із сучасними засобами масової інформації. Новини, статті, репортажі в засобах масової інформації, дані Моніторингової місії ООН з прав людини в Україні та інформаційні матеріали від Центру протидії дезінформації при Раді національної безпеки та оборони України підтверджують образи карикатур, демонструючи реальні факти та події російсько-української війни.
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 | 0.005 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.005 | 0.010 |
| Scholarly communication | 0.017 | 0.010 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.030 | 0.010 |
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".