MétaCan
Menu
Retour à la cohorte
Enregistrement W4387671812 · doi:10.1080/14680777.2023.2263658

Complicating images of the modern Chinese woman, from only child to ‘leftover woman’

2023· article· en· W4387671812 sur OpenAlexaff
Angie Chau, Qian Liu

Notice bibliographique

RevueFeminist Media Studies · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDemographic Trends and Gender Preferences
Établissements canadiensUniversity of CalgaryUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésGender studiesSociologyBlameFeminismScholarshipChinaFocus groupNarrativeRepresentation (politics)Media studiesPsychologyLawPolitical scienceSocial psychologyLiteratureAnthropology

Résumé

récupéré en direct d'OpenAlex

Two recent documentaries, Nanfu Wang and Jialing Zhang’s One Child Nation (2019) and Shosh Shlam and Hilla Medalia’s Leftover Women (2019), investigate the legacy of China’s one-child policy and its social impacts on marriage, career and motherhood in the present day. In the films, seemingly progressive young women subjects are depicted against a backdrop of culturally backward and brainwashed individual community members, representing Chinese culture at large, which results in a confusing narrative replete with logical gaps and unanswered questions. This article brings together qualitative data collected from interviews with “leftover women” with film analysis and scholarship on transnational feminism to argue for the importance of critical modes of representation and cautions against the tendency to blame culture.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,453
Score d'incertitude au seuil0,690

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,055
Tête enseignante GPT0,349
Écart entre enseignants0,294 · 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'étudeObservationnel
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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFeminist Media StudiesMême sujetDemographic Trends and Gender PreferencesTravaux en français237 207