Materializing Magic: How the Witches of Instagram Make the Invisible Visible Through Digital Photography and Editing Techniques
Notice bibliographique
Résumé
Recently, contemporary witchcraft has become increasingly subject to commodification, with many practitioners criticized for their pursuit of the “witch aesthetic” on social media. With Instagram feeds featuring carefully staged photographs of tools, materials, and spaces related to the craft, these “Insta-witches” or “#witchesofinstagram” often use photo editing applications like Photoshop to digitally manipulate these images in order to enhance their magical or otherworldly dimensions. In this article, I argue that the excessive use of magical “stuff,” along with the staging and editing of images shared on social media does not have to be superficial or devoid of meaning. Rather, I explore how these Witches of Instagram participate in what anthropologist Jennifer Deger refers to as “thick photography”—a process of image creation and alteration that gives rise to multilayered stories capable of extending beyond the bounds of the ordinary. In this context, photography foregrounds the intuitive, imaginative, and embodied ways of knowing central to the practice of magic, making visible that which may otherwise remain invisible. These digital images thus become relationally constituted material surfaces where networks of bodies, objects and energies are visualized, revealing the porous boundaries between categories such as human and nonhuman, internal and external, material and immaterial, and mundane and magical.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,029 |
| Communication savante | 0,011 | 0,010 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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 ».