MétaCan
Menu
Retour à la cohorte
Enregistrement W3193884150 · doi:10.1386/jfs_00023_1

‘I want to delete this tweet so much, but…’: Jameela Jamil as a celebrity feminist educator

2020· article· en· W3193884150 sur OpenAlexaff
Victoria Kannen

Notice bibliographique

RevueThe Journal of Fandom Studies · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender, Feminism, and Media
Établissements canadiensLaurentian University
Organismes subventionnairesnon disponible
Mots-clésSkepticismSociologyQueerShameMedia studiesContext (archaeology)SolidarityGender studiesPsychologySocial psychologyEpistemologyPolitical scienceLawPolitics

Résumé

récupéré en direct d'OpenAlex

The ideas of outspoken feminist celebrities are met with scepticism. This scepticism is rooted in the idea that, while celebrities have a platform for expression, they are not academics and their role in education should therefore be limited. This article explores the role of Jameela Jamil, a British, queer actor, and analyses her use of Instagram and Twitter as platforms for education and social change. I argue that she uses social media to teach and learn from her followers regarding body acceptance, racial and sexual inclusivity and queer representation. This work also explores the realities of clapbacks, cancel culture, mistake-making, shame culture and affective solidarity via her use of language, such as through the vulnerable phrase ‘I want to delete this tweet so much, but…’. In positioning Jamil as more than simply a celebrity feminist, and beyond what is considered a normative public intellectual, I assert that she embodies the role of a celebrity feminist educator. This role is unique as it creates space for Jamil’s online feminist activism, her accessible use of language and her desire to teach and learn from her followers to be made meaningful within the context of feminist education and celebrity studies.

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)0,003
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,029
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0290,011
Communication savante0,0080,008
Science ouverte0,0010,005
Intégrité de la recherche0,0020,008
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,075
Tête enseignante GPT0,363
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 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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Fandom StudiesMême sujetGender, Feminism, and MediaTravaux en français237 207