Seal Hunts in Canada and on Twitter: Exploring the Tensions between Indigenous Rights and Animal Rights with #Sealfie
Notice bibliographique
Résumé
Background In 2014, a Twitter discussion of seal hunting, using the hashtag #sealfie, spurred a digital conflict between two rights movements—Indigenous rights in Canada and animal rights. This digital controversy touches on race, class, and geography.Analysis The hashtag’s life on Twitter obscures the two movements’ shared challenges: the undeniably neoliberal context consisting of ongoing economic struggles in northern and remote communities, and the continued loss of wildlife habitat.Conclusions and implications The authors analyze the #sealfie Twitter content generated between 2014 and 2017, exploring the tensions between the claims of the Indigenous rights and animal rights movements. They probe the failure of Twitter, and more generally social media, to generate a climate of genuine debate, and they consider how such digital platforms can serve as echo chambers for stereotypes and discriminatory discourse. Contexte En 2014, une discussion sur Twitter utilisant le mot-clic #sealfie a entraîné un conflit en ligne entre deux mouvements, l’un sur les droits autochtones au Canada et l’autre sur les droits des animaux. Cette controverse internet traita de race, classe et géographie.Analyse La présence de #sealfie sur Twitter occulta les défis partagés par les deux mouvements : le contexte indubitablement néolibéral de difficultés économiques persistantes dans les communautés nordiques et reculées et la perte continue d’habitat faunique.Conclusions et implications Les auteures analysent le contenu associé à #sealfie sur Twitter entre 2014 et 2017, explorant ainsi les tensions entre le mouvement autochtone et celui pour les animaux. Elles examinent l’échec de la part de Twitter, et des médias sociaux en général, de créer un contexte propice à de véritables débats. Elles considèrent en outre comment de telles plateformes numériques peuvent servir de caisse de résonance pour les stéréotypes et les propos discriminatoires.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,017 | 0,012 |
| Communication savante | 0,011 | 0,007 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».