”Vihaa ja raivoa kaduilla, kauppojen ryöstelyä, palaneita rakennuksia ja poliisiautoja” : Black Lives Matter -liike suomalaismedioiden uutisissa kesällä 2020
Bibliographic record
Abstract
Tutkielman tarkoituksena oli selvittää, kuinka kesän 2020 maailmanlaajuisia rasismin ja poliisiväkivallan vastaisia Black Lives Matter -mielenosoituksia kuvattiin suomalaisessa uutismediassa. Tutkielmassa tarkastellaan lisäksi sitä, kuinka mustia poliisiväkivallan uhreja kuvataan uutisissa, ja miten rasismia käsiteltiin mediassa kesällä 2020. Tutkimuksen aineistona toimivat Ylen, MTV:n ja Helsingin Sanomien BLM -liikettä, poliisiväkivaltaa ja rasismia käsittelevät uutisartikkelit touko- kesä- ja heinäkuulta 2020. Aineistoa analysoitiin kriittisen diskurssianalyysin näkökulmasta. Analyysin tukena toimi aiempi tutkimus mielenosoituksien mediarepresentaatiosta, poliisiväkivallan uhrien kuvauksesta, sekä rasismin käsittelystä suomalaisessa mediassa. Aineistossa näkyivät hyvin selkeästi protestiparadigmaksi kutsutut mielenosoitusuutisoinnille tyypilliset negatiiviset uutisointikäytännöt, kuten mielenosoitusten kehystäminen mellakoinnin kautta, mielenosoittajien demonisoiminen, virallisten lähteiden käyttö ja protestin uskottavuuden kyseenalaistaminen. Suomessa järjestettyjen mielenosoitusten uutisointi erosi selkeästi Suomen ulkopuolella järjestettyjen mielenosoitusten uutisoinnista: suomalaisia mielenosoituksia kuvattiin huomattavasti positiivisemmin, ja myös BLM-aktivistit pääsivät uutisissa ääneen. Poliisiväkivaltauutisissa toistuivat kuvaukset mustien uhrien käytöksestä, päihteidenkäytöstä ja terveydentilasta. Poliisiväkivallan uhreista tehdään uutisissa kielellisin keinoin aktiivisia toimijoita, kun taas poliisin rooli jää passiiviseksi. Osaan uutisista on upotettu silminnäkijävideoita, joita esitellään sensaatiomaiseen tyyliin. Rasismia käsiteltiin kesällä 2020 uutismedioissa poikkeuksellisen paljon ja monipuolisesti. Keskusteluun nousivat myös aiheet, jotka on perinteisesti sivuutettu suomalaisessa rasismikeskustelussa, kuten Suomen kolonialistinen historia ja romaneihin ja saamelaisiin kohdistettu sorto. Rasismin käsittely on uutisissa kuitenkin kaksijakoista, ja uutisissa saatetaan myös esimerkiksi vähätellä suomalaisen yhteiskunnan rasismia.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.005 |
| Scholarly communication | 0.009 | 0.005 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.033 | 0.009 |
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".