The gendered dimensions of the anti-mask and anti-lockdown movement on social media
Notice bibliographique
Résumé
This paper examines the anti-mask and anti-lockdown online movement in connection to the COVID-19 pandemic. To combat the spread of the coronavirus, health officials around the world urged and/or mandated citizens to wear facemasks and adopt physical distancing measures. These health policies and guidelines have become highly politicized in some parts of the world, often discussed in association with freedom of choice and independence. We downloaded references to the anti-mask and anti-lockdown social media posts using 24 search terms. From a total of 4209 social media posts, the researchers manually filtered the explicit visual and textual content that is related to discussions of different genders. We used multimodal discourse analysis (MDM) which analyzes diverse modes of communicative texts and images and focuses on appeals to emotions and reasoning. Using the MDM approach, we analysed posts taken from Facebook and Instagram from active anti-mask and anti-lockdown users, and we identified three main discourses around the gendered discussion of the anti-mask movement including hypermasculine, sexist and pejorative portrayals of "Karen", and appropriating freedom and feminism discourses. A better understanding of how social media users evoke gendered discourses to spread anti-mask and anti-lockdown messages can help researchers identify differing reactions toward pandemic measures.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,030 | 0,005 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».