"Struggling Right Along With You": Precarity and the Power of Medical Crowdfunding Campaign Narratives
Notice bibliographique
Résumé
Medical fundraisers—which feature patients or caregivers seeking funds for medical care, procedures, or other needs—are ubiquitous on social media, and US-based GoFundMe.com is one of the most popular platforms. The rise of platforms like GoFundMe as forms of medical care and triage is notoriously intertwined with the failures of the U.S. healthcare system. Medical crowdfunding campaigns in the U.S. span diverse topics, invoke a wide range of moral discourses, and are affected deeply by race, gender, class, religion, and (dis)ability. Drawing on insights from a discourse analysis of ten “trending” campaigns hosted on GoFundMe in 2019, I argue that campaigns are participatory narratives (because organizers, beneficiaries, and donors can interact within the campaign space) that rely upon an individualizing discourse of deservingness to create reciprocal ties within biosocial communities of care. As politico-moral projects, medical crowdfunding campaigns are at once reflective of and responsive to normalized precarity. Crowdfunding narratives are spaces in which idealized neoliberal citizen-subjects are produced and valorized collaboratively through the discursive work of campaign organizers and donors, limiting (and enabling) our imaginaries of community and care.
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 | 0,015 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,024 | 0,060 |
| Communication savante | 0,023 | 0,019 |
| Science ouverte | 0,002 | 0,012 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».