Review of Monahan’s Crisis Vision: Race and the Cultural Production of Surveillance
Notice bibliographique
Résumé
It was a jarring coincidence that I first picked up Torin Monahan's Crisis Vision: Race and the Cultural Production of Surveillance (Duke University Press, 2022) on January 28 of this year, the same day that officials in Memphis, Tennessee, announced their decision to release video evidence of what they described as the "inhuman," "unlawful," and "unthinkable" deadly beating of twenty-eight-year-old Tyre Nichols at the hands of five police officers a few weeks prior.The killing of Nichols, the city's response, and the devastating video footage released the following day, drew renewed attention to the prevalence of police violence in the US and reenergized calls for a national reckoning regarding the ways in which Black bodies in particular are surveilled, hyper-policed, dehumanized, and all too often brutalized by state-sanctioned actors.These topics are central to Crisis Vision, which offers a compelling set of intellectual frameworks for thinking through the racial logics that sustain contemporary surveillance practices and the scopic regimes that enable race-based state violence.Centering critical art practices that work to unsettle such logics and regimes, Monahan recognizes in art and visual culture a unique capacity to "organize collective attention to cartographies of state and corporate [surveillance] and violence" (18).Crisis Vision makes the convincing case that certain aesthetic strategies, namely those that abjure a politics of visibility in favor of an ethics of collective opacity, are especially adept at disrupting the activation and weaponization of surveillance culture today.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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; un appel candidat d’une seule tête enseignante, 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 ».