MétaCan
Menu
Retour à la cohorte
Enregistrement W2151299555 · doi:10.1177/1049732312471731

Exploring Media Representations of Weight-Loss Surgery

2013· article· en· W2151299555 sur OpenAlexafffund
Nicole M. Glenn, Kerry R. McGannon, John C. Spence

Notice bibliographique

RevueQualitative Health Research · 2013
Typearticle
Langueen
DomaineHealth Professions
ThématiqueObesity and Health Practices
Établissements canadiensLaurentian UniversityUniversity of Alberta
Organismes subventionnairesFaculty of Medicine and Dentistry, University of AlbertaCanadian Institutes of Health ResearchUniversity of Alberta
Mots-clésWeight Loss SurgeryObesity SurgeryWeight lossNarrativeOverweightObesityPopulationSocial mediaGovernment (linguistics)MedicinePsychologySociologySurgeryPolitical scienceGastric bypassArtLiteratureLawDemographyPathology

Résumé

récupéré en direct d'OpenAlex

Scholars have problematized popular culture and media (re)presentations of obesity/overweight. However, few have considered the ways bariatric surgery, a rapidly growing treatment for morbid obesity, fits within the discussion. In this article, we explore news media (re)presentations of bariatric surgery using an eclectic approach to critical discourse analysis. Our findings reveal dominant discourses about bariatric surgery and the surgical population, providing an understanding of media (re)presentations as possible contributors to bias, stigmatization, and discrimination. Novel in our findings was our identification of subject positions in the dominant discourses (which were biomedical and benevolent government). We argue that existing (re)presentations of bariatric surgery are highly problematic because they reinforce oversimplistic and binary understandings of weight-loss surgery and obesity, weaving a highly gendered fairy-tale narrative and ultimately promoting weight-based stigmatization.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,036
score de la tête « metaresearch » (Gemma)0,016
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,263
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0360,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,007

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,893
Tête enseignante GPT0,707
Écart entre enseignants0,186 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations45
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueQualitative Health ResearchMême sujetObesity and Health PracticesTravaux en français237 207