TWITTERING RESEARCH, CALLING OUT AND CANCELING CULTURES: A STORY ANDSOME QUESTIONS
Notice bibliographique
Résumé
This is an analysis of how Twitter played a significant, agentive and accountable role in the difficult birth and premature unravelling of a government-funded international feminist research network. We situate this case study and this process of initiation and annihilation within the broader context within which social media platforms are a critical site of intensive affective discursive practices through which individual and institutional reputations can be made and unmade, frequently with far reaching professional and or personal consequences. To date there has been little academic study of both the broader implications of the potential benefits of social media for academic networking and the perils. Two data sets are analyzed comparatively, the first, detailed written responses from an in-person workshop designed explicitly to gather feedback on the research network; the second a set of tweets that erupted over a number of days shortly after that event. Content analysis of both data sets shows the impact of a small, localized Twitter event on an international network of researchers, demonstrating the speed and thoroughness with which decades of research and collaboration can be undone, and raising larger questions about the sustainability of culturally precarious trajectories of work -- in this case feminist work -- within Twitter’s increasingly hegemonic media ecology.
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 | 0,014 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,021 | 0,036 |
| Communication savante | 0,020 | 0,039 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,010 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».