Bodily Encounter, Bearing Witness and the Engaged Activism of the Global Save Movement
Notice bibliographique
Résumé
The global Save Movement, alongside other animal rights organisations and practices, has since 2010 sought to bring the experiences of nonhuman farmed animals into the public domain from privatized, usually hidden spaces of industrial procedure and slaughter. One key mechanism used is to conduct vigils held outside slaughterhouses, where activists gather to bear witness to the passing of nonhuman animals in trucks, and to raise awareness of the suffering of animals to passers-by. Central to the practice are the roles played by emotional engagement and bodily encounter with the nonhuman animals; the movement is founded on a self-styled ‘love-based’ compassion for other living beings. In 2014, I joined the Save Movement in Toronto for a number of vigils, engaging in an autoethnographic study of the means by which activists employ emotional labour, bearing witness and bodily encounter in foregrounding the realities of life for industrially farmed nonhuman animals. This article argues that the Save Movement represents a new moment (although not wholly without precedent) in the practices of animal rights activism. Working from the intellectual standpoint of Critical Animal Studies, the structure of the paper employs this autoethnographic and emotionally-affected personal account of taking part as a researcher-activist in the vigils, to offer access to experiences of how emotion, activism and empathy overlap in ‘coming to care’ for nonhuman others in public settings. The article seeks to elucidate the Save Movement’s emphasis on bodily encounter and the making visible of already existing embodied entanglements with farmed nonhuman animals, and suggests this form of engaged witnessing offers opportunity for radically reimagining our species’ existing relationships with those species we currently identity as food.
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 | 0,005 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,069 |
| Communication savante | 0,008 | 0,006 |
| Science ouverte | 0,001 | 0,014 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».