Advancing women’s cycling through digital activism: a feminist critical discourse analysis
Notice bibliographique
Résumé
Research question Social media in sport management contexts is increasingly used to highlight social issues in sport and to advocate for change, such as expanding the opportunities for women to participate. The purpose of this study is to examine how and why people strategically used various Twitter conventions to advocate for women’s cycling during the 2013 (men’s) Tour de France. We draw on Feminist Critical Discourse Analysis to frame our exploration and analysis of the issue.Research methods We analyzed the text of approximately 6000 tweets to examine the use of Twitter conventions, as discursive practices, in digital activism efforts to advance the women's cycling agenda.Findings and discussion People used links, retweets, hashtags, direct mentions, and influencers’ posts as individual discursive practices and for their collective potential to draw attention to, and advocate for, women’s pro-cycling in the context of the 100th iteration of the men’s Tour de France. We discuss why this was an important process in the context of women’s cycling, and some of the impacts, ten years later, of this Twitter activity.Implications Twitter conventions can be a useful digital activism tool for feminist agendas in sport. We are cautious of overstating this case as each cause will have different contexts, and the ability of trolls and other users to derail activism is ever present.
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 | 0,018 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,012 | 0,030 |
| Communication savante | 0,012 | 0,011 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».