Temporalization and the Digital Vigilante: Past Presencing, Un/Doing Futures and “Jewish Revenge” as Affective Justice in Talia Lavin’s Culture Warlords
Notice bibliographique
Résumé
This paper examines the figure of the hate-fighting digital vigilante as embodied through Aryan Queen, an online persona developed and depicted by self-proclaimed antifa member Talia Lavin in her book Culture Warlords. One chapter in the 2020 memoir relays Lavin’s pursuits to elicit and make known identifying information of Der Stürmer, an anonymous white supremacist online hater. I first locate Lavin’s undertaking in the porous policy landscape regulating online hate transnationally to make a case for its value as an entry into the navigation of hate on Telegram, a platform that has become a popular enclave for hate, and one that remains otherwise impenetrable to state efforts at formal governance. I then introduce the digital vigilante as a cultural figure that has become increasingly distinguished from, but developed in relation to, the classical or analogue vigilante in academic literature, albeit with only limited attention paid to the seemingly boundless temporality that constitutes the virtual sphere. Attending to processes of temporalization, I argue, can well serve an analysis of the moral universe within which the digital vigilante operates, thereby enabling a critical engagement with the motivations, methods, and intentions of her justice pursuits online. With the support of anthropological theories of temporalization – namely, past presencing, un/doing futures, and affective justice – I show that justice pursuits by way of digital vigilantism for Lavin are entangled with an affective longing for revenge, and manifest a complex intermingling of open wounds from injustices that emerge from and produce entanglements of the past, present, and future.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».