MétaCan
Menu
← Retour à la cohorte
Enregistrement W2580038910 · doi:10.51644/9781771121019

Making Feminist Media

2016· book· en· W2580038910 sur OpenAlexaboutno aff
Elizabeth Groeneveld

Notice bibliographique

Revuenon disponible
Typebook
Langueen
DomaineArts and Humanities
ThématiqueHermeneutics and Narrative Identity
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceSociology

Résumé

récupéré en direct d'OpenAlex

Making Feminist Media provides new ways of thinking about the vibrant media and craft cultures generated by Riot Grrrl and feminism’s third wave. It focuses on a cluster of feminist publications—including BUST , Bitch , HUES , Venus Zine , and Rockrgrl —that began as zines in the 1990s. By tracking their successes and failures, this book provides insight into the politics of feminism’s recent past. Making Feminist Media brings together interviews with magazine editors, research from zine archives, and analysis of the advertising, articles, editorials, and letters to the editor found in third-wave feminist magazines. It situates these publications within the long history of feminist publishing in the United States and Canada and argues that third-wave feminist magazines share important continuities and breaks with their historical forerunners. These publishing lineages challenge the still-dominant—and hotly contested— wave metaphor categorization of feminist culture. The stories, struggles, and strategies of these magazines not only represent contemporary feminism, they create and shape feminist cultures. The publications provide a feminist counter-public sphere in which the competing interests of editors, writers, readers, and advertisers can interact. Making Feminist Media argues that reading feminist magazines is far more than the consumption of information or entertainment: it is a profoundly intimate and political activity that shapes how readers understand themselves and each other as feminist thinkers.

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)0,005
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0080,012
Communication savante0,0150,012
Science ouverte0,0010,007
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0160,004

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 Opus0,084
Tête enseignante GPT0,274
Écart entre enseignants0,189 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHermeneutics and Narrative Identity→Travaux en français237 207→