MétaCan
Menu
Retour à la cohorte
Enregistrement W3018384946 · doi:10.1080/15290824.2020.1738014

“Pretty Tough and Pretty Hard”: An Intersectional Analysis of Krump as Seen on <i>So You Think You Can Dance</i>

2020· article· en· W3018384946 sur OpenAlexaff
V. Josephine Lourdes De Rose, Simon Barrick, William Bridel

Notice bibliographique

RevueJournal of Dance Education · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueDiversity and Impact of Dance
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésDanceScholarshipSociologyIntersectionalityGender studiesRace (biology)Relation (database)AestheticsNegotiationVisual artsArtSocial scienceLaw

Résumé

récupéré en direct d'OpenAlex

Krump, a form of street dance that is often characterized as aggressive and unique in its expression, has received little attention in academic scholarship. Research that has been published has largely focused on the American-made documentary RIZE (2005), with critiques emerging regarding its problematic-racialized representations of krump. No literature to date has focused on krump and its performances of gender. In the present study, the authors explored representations of krump on the popular dance competition television show, So You Think You Can Dance (SYTYCD) and YouTube comments posted in relation to said performances. Analysis of qualitative materials was influenced by the tenets of intersectionality, with the aim of understanding the interconnectedness of gender and race in popular representations of krump. Emergent and intersecting themes included performing hardness, negotiation of idealized gender performances, the reproduction of traditional notions of whiteness and blackness, and ghettoization.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,360
Score d'incertitude au seuil0,547

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,029
Tête enseignante GPT0,318
Écart entre enseignants0,289 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Dance EducationMême sujetDiversity and Impact of DanceTravaux en français237 207