Notice bibliographique
Résumé
Drawing from Rita Raley’s understanding of tactical media and the writings of scholars such as Arturo Escobar on the pluriverse, this paper broadens discussion of deepfakes to first consider other synthetic media, specifically images produced by GANs, and then use that discussion to bridge into potential positive forms of deepfakes that arise from the foregrounding of deepfakes’ production of digitally manipulated bodies and events. Because deepfakes disrupt traditional links between representation and the “real,” they can be used to imagine and represent knowledge, histories, and future events in the pluriverse that are in opposition to colonial and patriarchal logics. This paper proposes three instances in which deepfakes can be repurposed into tactical media invested in the pluriverse’s alterity: in the anonymizing of footage and/or witness testimony, as in the film Welcome to Chechnya (France 2020); in the generation of documentary re-enactment, in particular for events where there are little to no actual footage of an event; and in the creation of alternate histories and counterfactuals that reveal the narratives and power dynamics within accepted “history.” This paper presents the author’s prototypes of deepfakes variously as documentary re-enactment and alternate histories but, to be clear, the hope is not to promote these prototypes. Rather, this paper is intended to provide groundwork from which other scholars, in particular those from intersectionally disadvantaged populations, can use deepfakes in ways that generate, encourage, and support social justice, equality, and nonhierarchy. S'inspirant de la conception des médias tactiques de Rita Raley et des écrits de chercheurs tels qu'Arturo Escobar sur le plurivers, cet article élargit la discussion sur les hypertrucages pour examiner d'abord d'autres médias synthétiques, en particulier les images produites par les GAN, puis utilise cette discussion pour faire le lien avec les formes positives potentielles de hypertrucages qui découlent de la mise en avant de la production de hypertrucages de corps et d'événements manipulés numériquement. Parce que les deepfakes perturbent les liens traditionnels entre la représentation et le "réel", ils peuvent être utilisés pour imaginer et représenter des connaissances, des histoires et des événements futurs dans le plurivers qui s'opposent aux logiques coloniales et patriarcales. Cet article propose trois exemples dans lesquels les hypertrucages peuvent être réaffectés en médias tactiques investis dans l'altérité du plurivers : dans l'anonymisation des séquences et/ou des témoignages, comme dans le film Welcome to Chechnya (France 2020) ; dans la génération de reconstitutions documentaires, en particulier pour les événements où il y a peu ou pas de séquences réelles d'un événement ; et dans la création d'histoires alternatives et de contrefactuels qui révèlent les récits et les dynamiques de pouvoir au sein de l'"histoire" acceptée. Cet article présente les prototypes de hypertrucages de l'auteur sous différentes formes : reconstitution documentaire et histoires alternatives, mais, pour être clair, l'objectif n'est pas de promouvoir ces prototypes. Il vise plutôt à fournir un travail de base à partir duquel d'autres chercheurs, en particulier ceux issus de populations défavorisées sur le plan intersectionnel, peuvent utiliser les deepfakes de manière à générer, encourager et soutenir la justice sociale, l'égalité et la non-hiérarchie.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,023 |
| Communication savante | 0,010 | 0,008 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».