The Virtual Killing of Muslims: Digital War Games, Islamophobia, and the Global War on Terror
Notice bibliographique
Résumé
This article argues that digital war games communicate misleading stereotypes about Muslims that prop up patriarchal militarism and Islamophobia in the context of the US-led Global War on Terror. The article's first section establishes the relevance of the study of digital war games to feminist games studies, feminist international relations, and post-colonial feminism. The second section contextualizes the contemporary production and consumption of digital war games with regard to the “military-digital-games complex” and real and simulated military violence against Muslims, focusing especially on the US military deployment of digital war games to train soldiers to kill in real wars across Muslim majority countries. The third section probes “mythical Muslim” stereotypes in ten popular digital war games released between 2001 and 2012:Conflict: Desert Storm(2002),Conflict: Desert Storm 2(2003),SOCOM U.S. Navy SEALs(2002),Full Spectrum Warrior(2004),Close Combat: First to Fight(2005),Battlefield 3(2011),Army of Two(2008),Call of Duty 4: Modern Warfare(2007),Medal of Honor(2010), andMedal of Honor: Warfighter(2012). These games immerse players in patriarchal fantasies of “militarized masculinity” and place a “mythical Muslim” before their weaponized gaze to be virtually killed in the name of US and global security. The conclusion discusses the stakes of the stereotyping and othering of Muslims by digital war games, and highlights some challenges to Islamophobia in the digital games industry.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,006 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,000 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».