MétaCan
Menu
Retour à la cohorte
Enregistrement W3098202206 · doi:10.29173/connections11

Laughing About Caste

2020· article· en· W3098202206 sur OpenAlexaffvenue
Shreyashi Ganguly

Notice bibliographique

RevueConnections A Journal of Language Media and Culture · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueHumor Studies and Applications
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésCasteSociologyIdentity (music)Gender studiesAestheticsPolitical scienceLawArt

Résumé

récupéré en direct d'OpenAlex

The literature on political humour in India has largely evaded the question of how humour intersects with caste stratification. Not much has been written about humour’s potential to discriminate against certain caste groups of the lower social order. Similarly, the traditional media in India has been silent about the issue of caste following which, social media has emerged as the ‘counter publics’ where caste identity can be collectively and freely expressed. Taking the now flourishing brand of English stand-up comedy on the Internet in India as an entry point, this study investigates if the symbolic articulation of caste identities is at all made possible in this genre. Using a combination of discourse analysis and social media analysis, to examine the jokes produced in stand-up shows, this analysis tries to gauge how frequently, and in what ways, caste finds mention in these performances on the Internet. This paper finds that caste identity, and the associated discrimination, are hardly evoked in the comedians’ discourse. And when spoken about, they are often done so in a disparaging light. I conclude this paper by illuminating the ways in which this disparaging humour bolsters caste discrimination, sustains stereotypes and, in the process, conditions the normalized exclusion of lower-caste groupings from the public sphere.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,536
Score d'incertitude au seuil0,776

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,311
Écart entre enseignants0,288 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations3
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueConnections A Journal of Language Media and CultureMême sujetHumor Studies and ApplicationsTravaux en français237 207