The digital public diplomacies of the United States of America and Canada: a comparative analysis
Bibliographic record
Abstract
Данная выпускная квалификационная работа посвящена сравнительному анализу моделей ведения цифровой дипломатии США и Канады. Целью настоящего исследования является выявление особенных и общих черт цифровой дипломатии в США и Канаде. Для достижения цели были выполнены следующие основные задачи: изучить истории развития цифровой дипломатии в США и Канаде, проанализировать практику электронной дипломатии США и Канады, в рамках социальных сетей Facebook, Twitter, Instagram и YouTube. Особую роль в данной работе занимает анализ ведения Интернет-дипломатии посредством указанных социальных сетей. Сравнительный анализ основывается на следующих критериях: 1) технические характеристики интернетизированности; 2) институты и нормативные основания, а также специальные критерии для анализа аккаунтов в указанных социальных сетях: 1) процент представленности дипломатических миссий в выбранных для анализа социальных сетях; 2) размер средней аудитории; 3) использование иностранных языков; 4) частота обновлений контента; 5) вовлеченность аккаунтов. В итоге исследования были определены не исследуемые ранее особенные черты цифровой дипломатии в США и Канаде, на основании сравнения которых была выявлена более эффективная модель. По результатам исследования американская модель была признана более эффективной. Доказательством этому факту служат более высокие технические показатели интернетизированности на территории США, более высокий процент представленных в трех из четырех выбранных социальных сетях дипломатических миссий, в среднем более широкая аудитория подписчиков в социальных сетях, которые, в свою очередь, стали на современном этапе важным цифровым инструментом для публичной дипломатии.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.001 | 0.004 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 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; both teacher heads agree on what is shown here.
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".