MétaCan
Menu
Retour à la cohorte
Enregistrement W4310810050 · doi:10.56397/jlcs.2022.11.02

Confronting Skam in Each of us in the Critical Media Studies and Cultural Trauma Theories

2022· article· en· W4310810050 sur OpenAlexaff
Xinyue Wang

Notice bibliographique

RevueJournal of Linguistics and Communication Studies · 2022
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueNarrative Theory and Analysis
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMainstreamShameRebuttalNarrativeNorm (philosophy)Power (physics)Meaning (existential)EpistemologyDilemmaPsychologySociologyCulture theoryPsychoanalysisSocial psychologyPsychotherapistLawPhilosophyPolitical scienceLinguisticsAnthropology

Résumé

récupéré en direct d'OpenAlex

This paper will conduct a TV series from Norway called Skam (Shame) as a case study and discuss its impact by utilizing critical studies of media and cultural trauma theories. Simply put, this paper aims to illustrate that Skam depicts the shame arisen from mythical norm labeled by the dominant narratives under the mainstream media and understands the true meaning of healing for traumas in two aspects based on cultural trauma theories. For one, trauma is intersectional and therefore varying from every individual. For another, the mainstream power-over approach cannot help to heal trauma, but only the person herself/himself can be the one to deal with own relationship and confront with the truth. Lastly, this paper will bring up a rebuttal to criticize the drawback of mainstream media to the paradigm shift of understanding cultural trauma theory.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,496
Score d'incertitude au seuil0,374

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,119
Tête enseignante GPT0,381
Écart entre enseignants0,262 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Linguistics and Communication StudiesMême sujetNarrative Theory and AnalysisTravaux en français237 207