MétaCan
Menu
Retour à la cohorte
Enregistrement W3189909206 · doi:10.1386/stic_00036_1

‘Who were you crying for?’: Empathy, fantasy and the framing of the perpetrator in Nina Bunjevac’s Bezimena

2020· article· en· W3189909206 sur OpenAlexaboutno aff
Dragoş Manea, Mihaela Precup

Notice bibliographique

RevueStudies in Comics · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender, Feminism, and Media
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMythologyNarrativePsychoanalysisDepictionShitPsychologyFantasySociologyGender studiesSocial psychologyArtLiteratureArt history

Résumé

récupéré en direct d'OpenAlex

Serbian-Canadian cartoonist Nina Bunjevac’s third book, Bezimena (2019), embeds child sexual abuse and murder in an improbable geography where myth and fairy tale work together to create an otherworldly atmosphere, by turns mesmerizing and horrifying. Bunjevac’s previous work (Heartless [2012] and Fatherland [2014]) testifies to her continued commitment to exploring issues that are relevant to the feminist project, such as domestic violence, abortion, sexual assault and discrimination against female immigrant workers. In this article, we are particularly interested in exploring the manner in which Bezimena frames the figure of the perpetrator, as the context of the final question of the book – ‘who were you crying for?’ – repositions the entire ethical premise of the narrative by suggesting that responsibility for perpetration may lie both within and without the body and consciousness of the perpetrator himself. In conversation with scholars who attempt to expand the narrow category of ‘perpetrator’, such as Michael Rothberg or Scott Strauss, we explore how graphic narratives can contribute to a more nuanced understanding of perpetration, particularly in the case of sexual assault, and analyse Bezimena’s innovative approach to the representation of perpetration, as the book’s depiction of perpetrators and accomplices is mixed with elements of fantasy and mythology.

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)0,004
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,186
Score d'incertitude au seuil0,370

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0240,049
Communication savante0,0110,006
Science ouverte0,0020,006
Intégrité de la recherche0,0040,008
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,086
Tête enseignante GPT0,360
Écart entre enseignants0,274 · 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'étudeSans objet
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

Citations6
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStudies in ComicsMême sujetGender, Feminism, and MediaTravaux en français237 207