Hashtag Recovery: #Eating Disorder Recovery on Instagram
Notice bibliographique
Résumé
People who have experienced eating disorders are making sense of and managing their own health and recoveries, in part by engaging with digital technologies. We analyzed 1056 images related to eating disorder recovery posted to Instagram using the hashtags #EDRecovery, #EatingDisorderRecovery, #AnorexiaRecovery, #BulimiaRecovery and #RecoveryWarrior to explore user performances of eating disorder recovery. We situated our analysis in a critical Deleuzian feminist frame, seeking to understand better how users represented, negotiated, or contested dominant constructions of “how to be recovered”. We identified a number of themes: A Feast for the Eyes, Bodies of Proof, Quotable, and (Im)Perfection. Within each of these themes, we observed links to social location, including the White, Western, middle-to-upper-class trappings that tether representations of eating disorder recovery to stereotypes about who gets eating disorders and may restrict access to the category of recovered. Documenting recovery online may be a way for those in recovery to chart progress and interact with similar others. However, recoveries presented on Instagram resemble stereotypical perspectives on who gets eating disorders and, thus, who might recover, subtly reinforcing a dominant recovery biopedagogy. These versions of recovery may not be available to all, limiting the possibility of engagement for people enacting and embodying diverse recoveries. Still, users make representational interventions into Instagram by making the struggles and challenges of eating disorder recovery visible to each other and to broader audiences.
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 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 | 0,003 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».