You want a hot body? You want a Bugatti? You better work(out): FitBit, neoliberalism, and the thin ideal
Notice bibliographique
Résumé
The Fitbit manifests an ideology of healthism that prioritizes the pursuit of physical health above all else. The device’s design, use, and underlying epistemic frameworks transform exercise into data, labour, and knowledge, respectively. Using an accelerometer and green LED lights, the Fitbit translates the movements of human bodies into data. ‘Exercise’ is thus limited to what can be mechanically registered and algorithmically sorted into a pre-set category. This freely generated user data is aggregated into profitable datasets that Fitbit can sell to advertisers. Fitbit’s partnerships with insurers or employers further exploit workers by penalizing non-participants and users who generate undesirable data. Finally, the practice of activity tracking frames exercise as a health intervention and restricts the possibility of being absent from one’s body. Furthermore, Fitbit understands fitness through the lens of weight management, where the fit body is a conspicuously self-disciplined (read: thin) body. By framing fitness as a choice, individuals are held personally responsible for health outcomes, and being ‘unfit’ reflects a physical and moral failure. The insights produced by Fitbit thus restrain and shape users’ self-knowledge, perpetuating a cultural norm that understands ‘fit’ bodies as healthy, productive, and morally good.
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 | 0,010 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,009 | 0,063 |
| Communication savante | 0,016 | 0,017 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».