Exploring Media Misrepresentation: A Critical Ethnography of the Portrayal of South Asian Women in Television
Notice bibliographique
Résumé
The media is considered one of the most powerful tools in society as it creates, shapes and perpetuates ideologies about marginalized communities (Glavinic, 2010). The portrayal of cultural groups in the media can shift audiences’ perception of a particular culture, but may contain inaccuracies or simplistic depictions which do not fully encompass their experiences. In this study, I sought to disrupt the hegemonic representation of South Asian women within the media and acknowledge the diverse lived experiences and narratives within this community. I conducted a secondary data analysis on the portrayal of South Asian women in selected popular television shows, analyzing the following characters: Kelly Kapoor from The Office, Mindy Lahiri from The Mindy Project, and the Vishwakumar family from Never Have I Ever. Employing a critical ethnography approach framed by critical race feminist theory and Foucault’s conceptualization of power to advance knowledge on how mainstream television conceptualization of South Asian women. The study revealed that the media continues to oppress and marginalize South Asian women through the perpetuation of cultural and racial stereotypes. This study challenges dominant narratives, shedding light on representation that better reflects, celebrates, and appreciates women of the South Asian community.
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 | 0,007 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,014 | 0,015 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».