Selfies of Ill Health: Online Autopathographic Photography and the Dramaturgy of the Everyday
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This article offers a preliminary investigation into what I term “selfies of ill health” and traces the expansion of the autopathographic genre in visual media from professional art photography to the vernacular selfie in recent years. In this context, the word autopathography is used to describe self-representational practices that offer a first-person perspective on experiences of illness or hospitalization. I first situate the genre by identifying several typologies of selfies of ill health, including diagnostic selfies, cautionary selfies, and treatment impact selfies. I then focus on the forms of identity performance that selfies, and selfies of ill health in particular, deploy. I argue that the performative qualities of certain selfies of ill health overlap with salient characteristics of autopathographic practice in the arts. Using Karolyn Gehrig’s #HospitalGlam series as a case study, I examine how autopathographic selfies can also construct a politicized dramaturgy of the lived body, notably by enabling individuals like Gehrig to “come out” as being invisibly ill. I conclude that the dramaturgical thrust of such autopathographic imagery is to convey both the centrality of medical experiences in subjects’ lives and their specific desire to be publicly identified as persons living with illness. In light of this, although selfies of ill health may have opened up new avenues for autopathographic practice thanks to the affordances of social media, their communicative intents remain consistent with those of earlier forms of autopathographic photography.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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