“You don’t talk like a woman”: the influence of gender identity in the constructions of online misogyny
Notice bibliographique
Résumé
The expansion of the Internet and social media has led to growing global interests in enhancing online safety of all categories of users. Nonetheless, the prevalence of online misogyny is worsening across virtual contexts. This study employs online interviews with Nigerian women on Facebook to examine the manifestations, effects, and strategies for navigating online misogyny. Findings reveal that feminism, a budding feature of the Nigerian social media is fast becoming a central motivating factor for online misogyny. Consequently, women’s increasing online engagements are sparking incidents of misogyny that consciously serve to limit their online voices and visibility. Women’s experiences of online misogyny are interrogated as iterative of mainstream patriarchal ideology while muted group theory portraying women’s positioning as a traditionally muted group in mainstream society is deployed to unpack the constructions of misogyny and silencing. Findings challenge common portrayals of social media as gender-neutral environments. Misogynists attack women who adopt feminist tags and those considered pushovers. In response, women adopt a two-tier strategy: “moral persuasion” or “going hard” to deal with online abuse. This approach constitutes serious emotional labour on the part of women and despite its utility, remains unsustainable in fighting online misogyny.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».