Ebola outbreak narratives in Toronto Star in 2014 - 2015
Bibliographic record
Abstract
Gradussani 'Kun paikallinen saa globaalin fokuksen: Ebolan leviämisen narratiivit vuosina 2014 – 2015 Toronto Star -lehdessä' tutkin otsikon mukaisesti Ebolan leviämisen narratiiveja viimeisimmän Ebolaepidemian ajalta. Toronto Star on Kanadan suurin päivittäin ilmestyvä sanomalehti, jonka julkaisupaikka on Torontossa Ontarion provinssissa. Teoreettisena viitekehyksenä käytän Melissa Leachin vuonna 2008 kehittelemää temaattisten narratiivien kategorisointia verenvuotokuumeista (esimerkiksi Ebola ja Marburgin virus). Hänen kategorisointi sisältää seuraavat narratiivit: (1) Globaali uhka: Afrikasta nousevaa ruttoa vastaan taisteleminen, (2) Tappavat paikalliset sairaustapaukset: globaali nopea reagointi paikallisiin tapahtumiin, (3) Kulttuuri ja konteksti: paikallisen tiedon ja osaamisen hyödyntäminen, (4) Mysteerit ja kuolleisuus: ekologisen ja sosiaalisen dynamiikan huomioiminen. Näiden pohjalta graduni tutkimuskysymykset ovat vastaavasti (1) Millaiset leviämisen narratiivit Toronto Star esitteli vuosina 2014 – 2015? (2) Ketkä Toronto Star esitteli päätoimijoina Ebolaepidemian aikana vuosina 2014 – 2015? (3) Millaiset roolit päätoimijat saivat Ebolaepidemian aikana Toronto Star – lehden mukaan? Teoreettisena viitekehyksenä toimijoille käytän sekä Proppin (1968) että Sealen (2002) ajatusta siitä, että hyvä tarina sisältää niin sankareita, auttajia kuin vastustajia. Tarinan lopussa vastustajat häviävät ja sankarit voittavat. Terveyteen liittyvissä tarinoissa sairaus ja kuolema esitetään vastustajana. Sitä vastoin lääkärit ja hoitajat nähdään sankareina, sillä he yrittävät taltuttaa sairauden ja voittaa kuoleman. Tutkimuksessani käytän myös sekä Katzin, Kornbletin, Arnoldin, Liefin ja Fischerin (2011) että Brownin, Mackeyn, Shapiron, Kolkerin ja Novotnyn (2014) teorioita, jotka esittelevät toimijoita globaalin terveysdiplomatian kentällä. Kyseiset teoriat auttavat Ebola-alueen toimijoiden löytämisessä Toronto Starin artikkeleista. Aineistoni koostuu 97 relevantista Ebola-artikkelista, jotka on julkaistu Toronto Star lehdessä vuosina 2014 – 2015 ja kerätty ProQuest Central -palvelun avulla. Analyysini tulokset osoittavat, että Toronto Star esitteli seuraavat päänarratiivit: (1) Ebola globaalina turvallisuusuhkana, (2) Tappavat paikalliset sairaustapaukset ja hidas globaali reagointi tapahtumiin, (3) Kulttuuri ja konteksti: enemmän olisi pitänyt kiinnittää huomiota paikallisten osallistamiseen, (4) Ebolan vuosina 2014 – 2015 leviämisen taustalla pitkään jatkunut köyhyys ja vaillinnaiset terveydenhoitojärjestelmät Länsi-Afrikassa. Tämän lisäksi Guinean, Sierra Leonen ja Liberian terveysministeriöt ja maiden presidentit nähdään globaalin terveysdiplomatian ydintoimijoina. Sen sijaan YK-järjestelmän olennaiset toimijat, Kanadan hallitus, Kanadan ulkoministeri, Yhdysvaltain hallitus ja Yhdysvaltain presidentti nähdään monisidosryhmäisen globaalin terveysdiplomatian toimijoina. Lääkärit ilman rajoja, Punaisen Ristin ja Punaisen Puolikuun yhdistysten kansainvälinen liitto, PHAC, CDC, terveydenhuollon työntekijät, sosiaalisen liikkuvuuden auktoriteetit, hautaustiimin jäsenet, paikalliset kyläpäälliköt, karanteeniviranomaiset, kansanterveyden asiantuntijat, viranomaiset, tutkijat, laivayhtiöt, lentöyhtiöt, lääkeyhtiöt ja yksityiset lahjoittajat nähdään epävirallisen globaalin terveysdiplomatian toimijoina. Ebola-tarinassa roolit eri toimijoille vaihtelevat uhreista sankareihin ja avunantajista avun vastustajiin.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.015 | 0.006 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
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".