Tweaking Harassment Through Tweets: A Critical Discourse Study of #MeToo
Notice bibliographique
Résumé
The study aims to conduct an analysis of the discourse on #MeToo which the study takes to be the unmediated voice of the victims of sexual harassment to determine the ideology imbibed in the discourse. Teun A. van Dijk’s Ideology and discourse: A multidisciplinary introduction (2000) serves as the theoretical basis for the study as it attempts to categorize what constitutes harassment for the victims by looking at 3000 tweets posted over thirty days. The critical analysis of the data reveals that one of the most lacking elements in the life of the victims of sexual harassment is an acknowledgment of harassment as harassment. Most of the victims are abused, shamed and silenced when they try to share their panic experiences of life. The study shows that sexual harassment is a widespread social epidemic and can occur to a person of any age group, at any place and in any type of relationship. The study is significant as it presents the unmediated view of the victims of sexual harassment and compares it with the existing view of harassment. The significance of the study also lies in the fact that it analyzes the features of Twitter to determine their role in shaping the discourse. Previous studies on harassment talk about the issue or explore its features and types through various angles, but none of them focuses on the voice of the victims themselves.
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 | 0,006 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,012 | 0,010 |
| Communication savante | 0,008 | 0,008 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».