(Re)claiming subversive spaces on TikTok: the complexities of body activisms within physical activity cultures
Notice bibliographique
Résumé
Feminist organising in digital spaces, such as social media, has the potential for activism, resistance, and visibility; yet these spaces continue to be dominated by narrow body representations and shaped by unequal power dynamics. We propose that bodies of difference may find vibrant and difference-affirming homes within their digital communities via innovative algorithm-based social media spheres, such as TikTok. Using a creative methodological mashup that we call a ‘collaborative digital autoethnography’, we explored our experiences of difference-affirming hashtags (e.g. #CurvyGym, #DisabledFitness, #QueerFitness) and creators who shared explicitly inclusive and/or subversive content (e.g. #ThickTocker). Using reflexive thematic analysis and thinking with/through Safiya Noble’s work on algorithms of oppression, we developed four themes: #TheFringe, #(Re)claimingFlesh, #CircleOfSurveillance, and #TheWrongSideOfTikTok. In #TheFringe, we found normatively embodied creators who used TikTok as a space to question normative fitness trends – content that helped build our difference-affirming algorithmic space. In #(Re)claimingFlesh, fat-positive creators used TikTok to unapologetically reveal or grab body fat/flesh, and TikTokkers re-storied their body-related journeys by flipping the script of harmful body surveillance (i.e. #CircleOfSurveillance). Lastly, some creators shared grievances about the (oppressive) algorithms of TikTok that banished them to #TheWrongSideOfTikTok. We provide reflexive accounts of our own embodied differences while exploring the TikTok platform, searching for spaces that affirm our bodies while contending with algorithmic oppression. We conclude by discussing TikTok as a platform where powerful collective activism and revolution can form, yet always in contention with trolling, hate, and harmful algorithms that constrain activist movements within sport, exercise, and health contexts.
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 | 0,005 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,049 |
| Communication savante | 0,009 | 0,011 |
| Science ouverte | 0,001 | 0,010 |
| Intégrité de la recherche | 0,002 | 0,004 |
| 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 ».