From Feminist Participatory Co-Design to Research-Creation: Developing a Digital Fiction for Body Image Bibliotherapy
Notice bibliographique
Résumé
Body image concerns affect the well-being of a generation coming of age immersed in digital culture. This is particularly true for young women and gender non-binary individuals of diverse intersectional backgrounds who regularly confront appearance-related pressures. The "Writing New Bodies" project ("WNB"; SSHRC IG 435-2018-1036) addresses these issues by developing a literary story game (digital fiction; "DF") for body image bibliotherapy. The planned DF encourages emotional and verbal engagement with various challenges facing young people today, including cis- and heteronormative gender relations, racism, anti-fat attitudes, ableism, and familial influences on the ways women "ought to look" (Rice, 2014). Our research-creation approach deconstructs normative conceptions of power to help reader/players build resilience to external and internal body-related pressures. WNB's methods of community co-design and feminist participatory action research engage woman-identified and gender non-conforming individuals ages 18-25 in envisioning a world where they feel at home in their bodies. In four participant workshops held in April-May 2019, the WNB team worked with a diverse, intersectional audience using methods of free writing, small group discussions, and multilinear game design. Workshop intervention called on participants to hyper-textualize body-related experiences and explore diverse options for an ontological reimagining of appearance-driven neoliberalist pressures. Our paper (video and essay) introduces the DF resulting from our participant research. We reflect on the creative process, from its basis inspired by the results of participant research to ludonarrative and interface design, software development and early play testing. Our reflections include matters of intersectional diversity in developing a socially inclusive intervention tool for contemporary, digital-born bibliotherapy. YouTube clip: https://www.youtube.com/watch?v=CwalVlKyu7I&feature=youtu.be
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 | 0,048 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,017 |
| Communication savante | 0,010 | 0,006 |
| Science ouverte | 0,003 | 0,011 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 ».