MétaCan
Menu
Retour à la cohorte
Enregistrement W2288964255 · doi:10.1080/10350330.2015.1134817

Ridicule, gender hegemony, and the disciplinary function of mainstream gender humour

2016· article· en· W2288964255 sur OpenAlexaff
Mostafa Abedinifard

Notice bibliographique

RevueSocial Semiotics · 2016
Typearticle
Langueen
DomainePsychology
ThématiqueHumor Studies and Applications
Établissements canadiensMacEwan University
Organismes subventionnairesnon disponible
Mots-clésMainstreamArgument (complex analysis)HegemonyDisciplineSociologyGender studiesSocial orderPunitive damagesPoliticsSocial sciencePolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

This paper foregrounds the disciplinary power of ridicule, as a form or aspect of humour, vis-à-vis gender norms. While much theoretical and empirical research in gender studies recognizes the punitive function of gendered humour and/or ridicule, this function is given no theoretical significance. To resolve this tension, I integrate social psychologist Michael Billig's theory of ridicule as a universal reinforcer of the social order, along with the notion of gender order (as a particular type of social order) as outlined in masculinities theorist Raewyn Connell's gender hierarchy model. I contend that as a form of mainstream gender humour, ridicule serves as a tool for policing the gender order and creating self-regulating gendered subjects. The argument enables a rereading of mainstream gender humour, especially when it deploys ridicule to target non-hegemonic gendered subjectivities, practices, and performances. Such apparently banal humour, as I illustrate with examples of contemporary Anglo-American mainstream gender humour, speaks to and protects the fundamental elements of the gender order of the society and culture in which the humour circulates. The paper concludes with a brief discussion of the implications of the main argument for pro-gender democracy research and activism.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0090,078
Communication savante0,0090,008
Science ouverte0,0010,009
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,046
Tête enseignante GPT0,330
Écart entre enseignants0,284 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations60
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSocial SemioticsMême sujetHumor Studies and ApplicationsTravaux en français237 207