Trans* inclusivity in fashion retail: Disrupting the gender binary with queer perspectives
Notice bibliographique
Résumé
This study is about gender-inclusive fashion retail, with a focus on trans* inclusivity. It is based on primary and secondary research of trans* issues in fashion. This research resulted in an inclusive pop-up shop that eliminated the reinforcement of the gender binary present in conventional fashion retail. Primary research consisted of semi-structured shop-and-talk interviews with end users and industry experts. All end-user interviews were conducted in Toronto in a minimum of two different fashion retail stores, such as one department store and one gendered store. The expert interviews were conducted in a context that matched the individual, such a designer’s home studio. Secondary research used a blended framework of queer, intersectional and post-capitalist theories to analyse trans* discrimination, unisex fashion and transness in popular culture. Key themes derived from these areas were cultural variance of gender expression, lack of accurate trans* representation and superficial queer initiatives. Fashion is based on the socially constructed gender binary, which excludes trans* people and cisgender (cis) people who are gender non-conforming in dress. The heteronormative and cis-normative beauty standards of fashion shame those who do not follow them. The current trans* representation in fashion is minimal and problematic. Real trans* people and narratives are not broadcasted by mainstream media; however, tokenized trans* celebrities and cis people acting as trans* mouthpieces are. This research questions how services and environments of fashion retail can be redesigned to be gender inclusive, by normalizing disruptive gender expression and increasing trans* visibility. This research is important because of the empowerment, validation and safety that queer and trans* people deserve when in public spaces.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,014 | 0,063 |
| Communication savante | 0,015 | 0,012 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».