‘SENSORIAL LITTER’: BUILDING REFLEXIVE TRUST THROUGH EXAMINING DIGITAL DETRITUS
Notice bibliographique
Résumé
How to reflexively examine the ways in which the researcher’s own embodied experiences shape knowledge production is a key question within digital and sensory ethnography. Challenges exist around capturing these embodied experiences through conventional reflexive methods, such as voice and field notes. Furthermore, it can be particularly difficult to capture that which is experienced by the researcher as being ‘too intense’ and resultingly shed or refuse/d by the body; (e.g., fleeting, whirling anxious thoughts; spatial suspensions of disorientation; and voids from pushing away difficult feelings). Nevertheless, as examining refuse/d experiences can focus reflexive engagement on the difficult aspects of fieldwork, this methodological area provides a unique niche for inquiry. In this work, I advance knowledge on retaining and reflecting upon too intense experiences. I first draw from phenomenological embodiment theories to put forward the concept of ‘sensorial litter’. I posit that when shed from the body, intense experiences are not lost, but rather manifest materially through digital media as litter (e.g., anxiety filled texts, emails to supervisors, search histories). Retrieving and examining three pieces of sensorial litter from my own ethnographic work, I then demonstrate how this digital detritus may add critical depth to reflexive engagement with embodiment. Specifically, I illustrate how sensorial litter can provide concrete entry points into the ways in which the researcher’s sensing body is perpetually in flux, shaping and re-shaping throughout fieldwork. I argue that sensorial litter can facilitate reflexive engagement that is many-sited, intertextual, resistant to holism, and perceptive ethnographic research’s inevitable shortcomings.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 tête enseignante, 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 ».