Horrible monsters and destroyed victims : A qualitative content analysis of the portrayal of sexual abuse of children on the Internet in Swedish and Canadian press
Bibliographic record
Abstract
20 procent av världens barn har blivit utsatta för sexuella övergrepp och i och med internets utveckling har gärningsmän fått fler möjligheter att kontakta barn i sexuella syften. Det finns tydliga riktlinjer för hur sexuella övergrepp mot barn ska framställas i media och hur gestaltningen påverkar offren. Studien ämnar att undersöka hur två av de största dagstidningarna i Sverige och Kanada gestaltar samma fall av sexuella övergrepp mot barn via internet. Vi ämnar även att undersöka hur länderna förhåller sig till sina pressetiska regler i sin gestaltning av fallet samt granska förändringen av gestaltningen innan och efter dom. Genom metoderna kvalitativ innehållsanalys och gestaltningsanalys har åtta artiklar granskats i analysscheman. Artiklarna är tagna från de svenska dagstidningarna Dagens Nyheter och Svenska Dagbladet och de kanadensiska dagstidningarna The Globe and Mail och Toronto Star. En artikel innan och en efter gärningsmannens dom analyseras från samtliga tidningar. Fallet handlar om en svensk man som utsatte barn för sexuella övergrepp över internet och offren befann sig i USA, Skottland och Kanada. Detta var det första svenska fallet som involverade sexuella övergrepp över internet som rubricerades som våldtäkt och i och med utfallet kan det sätta standarden för liknande fall i framtiden. Med stöd av gestaltningsteorin, tidigare forskning och ländernas pressetiska regler kan vi fastställa att det finns intressanta skillnader och likheter i gestaltningen av fallet mellan länderna. De svenska tidningsartiklarna beskriver brotten grafiskt och detaljerat medan de kanadensiska artiklarna beskriver brotten med användning av adjektiv. I de svenska artiklarna förekommer beskrivningar och uttalanden som dömde gärningsmannen innan dom. En markant likhet mellan ländernas artiklar är att främsta fokus ligger på gärningsmannen. Både innan och efter domen demoniseras han för de brott han begått och artiklarna framställer honom som ett avskyvärt monster.
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 | 0.010 | 0.025 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.007 | 0.010 |
| Science and technology studies | 0.025 | 0.025 |
| Scholarly communication | 0.015 | 0.007 |
| Open science | 0.003 | 0.010 |
| Research integrity | 0.002 | 0.004 |
| 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".