Creating Demand and Creating Knowledge Communities: Myanmar/Burmese Buddhist Women, Monk Teachers, and the Shaping of Transnational Teachings
Notice bibliographique
Résumé
The importance of Abhidhamma (higher doctrine) in Myanmar Buddhist society is well known. However, it is only within the last century that this doctrine has become more accessible to the laity, and specifically to women devotees. Today, women make up the majority of monks’ devotees in the country. Indeed, as this article argues, a major role in increasing the Abhidhamma’s importance and visibility in Burmese society has been played by women. Although monks such as Ledi Sayadaw (1846–1923) reworked the teachings to make them more accessible to the laity, laywomen seem to have played an active role in creating a “demand” for learning the more difficult Buddhist teachings that were previously only available to monastic elites. It may be difficult to find individual female authors or references to women in texts written by monks during the earlier part of the colonial era, yet we can find examples of women displaying agency as part of larger groups. This fact complicates the notion of individual agency that is usually focused on in current research. During the colonial era, a considerable number of literate women were part of a “growing reading public,” and I argue that Burmese laywomen created a “demand” for learning Buddhist doctrine, with monks then creating a “supply”. My suspicions grew regarding women’s “demand” for learning, from multi-sited ethnographic fieldwork carried out in Myanmar at a village monastery near Meiktila in 2014, and at a suburban house monastery in the San Francisco Bay Area during various visits beginning in 2010. I found that after observing the same teaching monk in both places that one woman student was responsible for creating these “knowledge communities” after creating a “demand” to learn the Abhidhamma. I was also able to learn how this monk’s doctrinal content and pedagogical methods of his teaching practice had been impacted not only by the different teaching environments, but also by the female students at the two sites.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,024 | 0,028 |
| Communication savante | 0,012 | 0,008 |
| Science ouverte | 0,001 | 0,015 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».