Politicians, journalists, and their audiences: gendered aspects of televised election news in Canada
Bibliographic record
Abstract
Cette dissertation analyse la représentation biaisée des femmes dans les nouvelles télévisées des élections au Canada. J'emploie le cadre théorique de la « gendered mediation thesis », selon lequel les nouvelles constituent un narratif essentiellement masculin qui privilégie les hommes et la masculinité dans la politique. Cette théorie s'appuie sur deux facteurs causaux pour expliquer ce phénomène. Premièrement, les nouvelles reflètent les préjugés contre les femmes dans notre société. Ainsi, les cadres employés pour reporter les événements politiques regorgent de symboles et de métaphores masculins et accordent la primauté aux traits masculins. Deuxièmement, la structure et l'opération du système de nouvelles lui-même —particulièrement les contraintes politico-économiques imposées par la compétition pour capturer leur part du public et les revenus générés par la publicité— encouragent des formats de nouvelles qui renforcent plutôt que de défier les normes sociales établies biaisées contre les femmes.Mon analyse empirique porte sur quatre composantes du système médiatique de nouvelles : 1) le contenu des nouvelles, 2) la production de nouvelles, 3) les effets médiatiques, et 4) l'approche des élites aux médias. Les premiers deux thèmes analysent la production et le contenu, tandis que les deux autres se concentrent sur les conséquences de la représentation biaisée des femmes dans les nouvelles. J'emploie une combinaison de données quantitatives et qualitatives pour démontrer que les nouvelles télévisées présentent les femmes et les hommes différemment, et ma recherche démontre que les femmes sont sérieusement sous-représentées dans les salles de nouvelles canadiennes, particulièrement dans les positions de pouvoir. Je présente aussi des preuves empiriques que les nouvelles biaisées contre les femmes ont des effets néfastes sur la perception des femmes candidates par le public, ainsi que sur la
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.006 |
| Science and technology studies | 0.013 | 0.003 |
| Scholarly communication | 0.007 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.000 |
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".