MétaCan
Menu
Retour à la cohorte
Enregistrement W3042453202 · doi:10.3390/soc10030051

Before #MeToo: Violence against Women Social Media Work, Bystander Intervention, and Social Change

2020· article· en· W3042453202 sur OpenAlexafffund
Jordan Fairbairn

Notice bibliographique

RevueSocieties · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender, Feminism, and Media
Établissements canadiensThe King's University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésSocial mediaPublic relationsScholarshipIntervention (counseling)ConversationSocial workPolitical scienceHarassmentSociologyCriminologySocial psychologyPsychology

Résumé

récupéré en direct d'OpenAlex

High-profile, social-media-fueled movements such as #MeToo have captured broader public attention in recent years and sparked widespread discussion of violence against women (VAW). However, online prevention work was underway in the years leading up to #MeToo, as the emergence and proliferation of social media enabled individuals to be increasingly active participants in shaping conversations about VAW. Situated within feminist VAW scholarship and the social–ecological framework of violence prevention, this paper draws from interviews with a cross-section of service providers, public educators, activists, advocates, writers, and researchers to analyze “conversation” as a central theme in VAW prevention work in social media. Results reveal that these conversations take place in three central ways: (1) engaging wider audiences in conversations to raise awareness about VAW; (2) narrative shifts challenging societal norms that support or enable VAW; and (3) mobilization around high-profile news stories. The paper finds that, through these conversations, this work moves beyond individual-level risk factors to target much needed community- and societal-level aspects, primarily harmful social norms that circulate and become reinforced in digital media spaces. Moreover, while bystander intervention has traditionally been approached as an offline pursuit to intervene in face-to-face situations of VAW, this paper argues that we can understand and value these VAW prevention efforts as an online form of bystander intervention. Finally, resource challenges and VAW prevention workers’ experiences of harassment and abuse related to their online work highlights a need to strengthen social and institutional supports for this work.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0130,008
Communication savante0,0090,007
Science ouverte0,0010,007
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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.

Tête enseignante Opus0,071
Tête enseignante GPT0,295
Écart entre enseignants0,224 · 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 source (Gemma direct ou Codex distillé), 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

Citations50
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSocietiesMême sujetGender, Feminism, and MediaTravaux en français237 207