MétaCan
Menu
Retour à la cohorte
Enregistrement W3160856990 · doi:10.1177/20563051211017492

Personal Identity Economics: Facebook and the Distortion of Identity Politics

2021· article· en· W3160856990 sur OpenAlexaff
Elisha Lim

Notice bibliographique

RevueSocial Media + Society · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender, Feminism, and Media
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésSolidarityIdentity (music)Identity politicsSociologyIdentity formationRhetoricPoliticsPolitical sciencePolitical economyLawSocial science

Résumé

récupéré en direct d'OpenAlex

This article examines Facebook’s role in the treatment of marginalized identity as currency. Recent examples of solidarity statements and corporate social responsibility rhetoric treat disenfranchised racial and gender identities as value-added competitive market quantities to boost brands. This trend also incentivizes marginalized actors to capitalize on their own disenfranchisement in pursuit of visibility and career advancement. The resulting identity politicking replaces communal care, grassroots social ties, solidarity, and interdependence with isolating market competition. This article diverges from scholars who trouble the differential value of identity—by troubling the valuation of identity itself. Facebook normalizes identity as private property in what I call a transition from identity politics to “personal identity economics.” I coin this concept and break it down into the following four factors: (1) The optimization of difference beginning in the 1970s, (2) Facebook’s algorithmic invasion of market logic into intimate aspects of life starting in the mid 2000s, (3) Ads Manager’s economization of identity into legible economic units, and (4) neoliberal corporate social responsibility rhetoric of “social good” as a profitable asset.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,025
Communication savante0,0090,010
Science ouverte0,0010,005
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,300
Écart entre enseignants0,266 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations7
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSocial Media + SocietyMême sujetGender, Feminism, and MediaTravaux en français237 207