Zizi Papacharissi, Affective Publics: Sentiment, Technology, and Politics
Notice bibliographique
Résumé
The Arab Spring, Occupy Wall Street, and the Spanish Indignados movements have garnered a great deal of attention among those seeking to understand the role of social media in protest activities. Whereas some have argued that social media enhance freedoms and can lead to transformative changes (e.g., Castells, 2012; Earl & Kimport, 2011; Shirky, 2008), others have noted the limitations of commercial platforms and the potential for slacktivism rather than activism within those platforms (Dean, 2005; Fuchs, 2014 Gladwell, 2010; Hoofd 2012; Morozov, 2009; Poell & Van Dijck, 2016). Zizi Papacharissi’s recent work Affective Publics: Sentiment, Technology, and Politics contributes to this discussion, but takes it into an exciting new domain. Rather than debating for or against the role of social media as a space for political effect, she is interested in how people use these online spaces for political affect. In other words, she wants to understand how social media provide new ways for people to express themselves and participate in what she terms the “soft structures of feeling” (p. 116) that help people feel that their views matter and are worthy of expression in this particular moment. First, she argues, we feel like we are a part of the developing story, and then, as we contribute our own emotive declarations online through our words, photos, and videos on Twitter, Facebook, or in other social media venues, we become a part of the story.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».