RENAME AND RESIST COLONIAL EXTRACTION: TWITTER’S TOPONYMICPOLITICS
Notice bibliographique
Résumé
In Canada, known to Indigenous peoples as Turtle Island, the proposed Trans Mountain pipeline would more than double transport of bitumen from Alberta’s oil sands, and though national legitimation of the project is strong, it relies on economic discourse that overwrites environmental concerns, as well as Canada’s lack of consultation with Indigenous peoples. Rejecting settler-colonial authority, pipeline protestors have turned to on-the-ground tactics including petitions and demonstrations - and also to social media, where they share information, organize, and express resistance. On Twitter, user profiles are associated with a diversity of locations including places like Vancouver and Ottawa, recognized under “official,” colonial names. Twitter’s free-form location field, however, enables users to self-select their locations, and connect with one another by situating themselves according to anti-colonial or Indigenous place names, such as “Secwepemcul’ecw” and “Unceded Syilx Territory.” Considering the colonial nature of resource extraction in Canada (Preston, 2017), our project addresses: in what ways does anti-pipeline sentiment correlate with anti-colonial or Indigenous-affiliated toponymic identifiers on Twitter? Applying digital methods, we found empirically that these locations map onto the hashtag discursive space consistently with the issue alignment of discourses, suggesting that users on Twitter do indeed engage in toponymic politics (Rogers, 2015). As a space of resistance and expression of marginalized perspectives, Twitter’s free-form user location enables political expression in ways that unavailable on platforms insisting on geolocation or geotagging. By design, Twitter enables users to establish geographies of trust beyond colonial hegemony as users identify according to Indigenous place names.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».