Rename and resist settler colonialism: Land acknowledgments and Twitter’s toponymic politics
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Connected with various resurgent and decolonizing projects, Canada has seen a surge of renaming and Indigenous land acknowledgement, which draw attention to Indigenous territories that have been overwritten through colonial naming practices. While renaming practices and land acknowledgments are contested for having merely representational effects, they may also be linked with decolonizing efforts. Our paper explores subversive (re)naming practices afforded by the free-form location identifying function on Twitter’s user profiles. It then draws a connection to issue-alignment in relation to the contested Trans Mountain pipeline as a means of considering to what extent toponymic selection is linked with actual issue alignment within the colonial context of resource extraction in Canada. We apply a mixed methods approach, based in digital methods that work with Twitter’s user profile location category. We extend our analysis through a qualitative reading of key subsets of the Twitter data, using a grounded theory approach to identify prevalent themes. In keeping with the anti-colonial nature of the tweets, we resist colonial categorization of the data and instead share an “un-typology” of Twitter toponyms, which we then connect to various expressions of anti-pipeline positioning. These mixed methods help us explore the entanglement of representational toponymic significance, infrastructural, in relation to the platform and the colonial nature of geolocational regimes online, and grounded, in relation to issue expression regarding the Trans Mountain pipeline.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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) | 0,001 | 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 découle