“Running the Numbers”: Modes of Microcelebrity Labor in Queer Women’s Self-Representation on Instagram and Vine
Notice bibliographique
Résumé
Microcelebrity, as a set of practices contributing to personalized self-branding, has become an increasingly prominent component of self-representation on social media platforms. While “influencers” who have built lucrative followings through microcelebrity give the appearance of having fun without much exertion, recent studies have uncovered multiple forms of labor involved in their practices of cultural production. In addition, scholars analyzing lesbian, gay, bisexual, transgender, and queer (LGBTQ) influencers highlight a tension between labor in service of self-commodification and the representation of sexual minorities. This article examines the microcelebrity labor of everyday queer women who aim to increase their social and economic capital by interweaving personal self-representations with entrepreneurial endeavors on Instagram and Vine. Through a close analysis of these platforms’ markets, governance, and infrastructures alongside interviews with queer female users of each platform, attention is given to both platform influences and participants’ experiences of promoting their jobs, side-gigs, hobbies, or passions alongside the rest of their lives. Findings identify three modes of labor specific to participants’ efforts to build a following: (1) intimate affective labor expended in sharing and managing personal disclosures; (2) developmental aesthetic labor as the acquisition and practice of technical skills and bodily displays to achieve a desired appearance or performance; (3) aspiring relational labor in attempts to forge relationships with established influencers or celebrities. Sexual identity was pivotal across these modes of labor, as it enhanced intimacy with followers, provided a niche audience for self-branding, conveyed authenticity through self-revelation, and established a common ground for forging relationships.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,011 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».