MétaCan
Menu
Retour à la cohorte
Enregistrement W2951906811 · doi:10.1177/2167479519853496

Repurposing the (Super)Crip: Media Representations of Disability at the Rio 2016 Paralympic Games

2019· article· en· W2951906811 sur OpenAlexaff
David McGillivray, Hugh O’Donnell, Gayle McPherson, Laura Misener

Notice bibliographique

RevueCommunication & Sport · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSport and Mega-Event Impacts
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésForegroundingMisrepresentationNeglectPrestigeSociologyNationalismPoliticsCritical discourse analysisGender studiesCourageDiscourse analysisMedia studiesAestheticsIdeologyPolitical sciencePsychologyLawArtLiterature

Résumé

récupéré en direct d'OpenAlex

Mega-events attract ever larger media audiences, and the 2016 Rio Paralympics were no exception. As audiences grow, media coverage extends to ever more varied domains, which are themselves then colonised by an increasing range of discourses. One of main discourses to develop since the early 2000s has been that of the so-called supercrip, one which challenges the notion of “impairment” often connected with disability by foregrounding the para-athletes’ triumph over adversity, celebrating instead their courage, grit, and perseverance leading to athletic success and personal and increasingly national prestige. In this article, we analyse the continuing importance of the supercrip discourse in coverage of the Rio Paralympics but also move on to highlight its tactical alignment with other—both competing and complementary—discourses of nationalism, sexualisation, militarisation, and celebritisation. We analyse textual and visual manifestations of these discourses using both critical discourse analysis and Foucauldian discourse analysis. We conclude by paying particular attention to the increasing visibility of discourses which, while acknowledging the potentially positive role of the supercrip discourse in focussing on athletic success, repurpose that discourse by foregrounding instead the day-to-day experiences of belittling misrepresentation and neglect, including political neglect.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0070,010
Communication savante0,0060,004
Science ouverte0,0010,007
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,348
Écart entre enseignants0,308 · 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'étudeQualitatif
Domainenon disponible
GenreEmpirique

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

En bref

Citations81
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCommunication & SportMême sujetSport and Mega-Event ImpactsTravaux en français237 207