Shit Voyeurism, Anti-Blackness, and the Spherical: Rendering Antibiotic Use in Africa
Notice bibliographique
Résumé
This piece interrogates anti-Black racism and coloniality in global health reporting on antibiotic use in Africa. I focus on New York Times discourse, imagery, and films, reading these intertextually with wider political and public health rhetoric. In critically attending to mediated imaginaries of Nairobi, Kenya as “unhygienic,” I demonstrate how this figuration comes to index local pharmaceutical practices that appear “non-Scientific.” The situated knowledge informing such practices is disregarded or, worse, presented as a threat to be targeted and eliminated. Such biomedical transgressions are indexed in the NYT by racialized references to waste, dirt, and excrement, turning the (structurally white) reader-viewer into what I call a shit voyeur. Building on Sylvia Wynter’s conceptualization of Man, I argue that Man-the-shit voyeur disregards his own culpability in rising antimicrobial resistance, locating health risks instead in the contaminating nature of Others. This racialized grammar is further subtended by the logic of the spherical—the illusion that the world-as-sphere is a totality that Man can perceive with a unidirectional gaze. Global health reporting that is racialized via the logics of the spherical and shit voyeurism not only fails to accurately represent medical concerns in Africa but also perpetuates biomedical hegemony and/as global white supremacy.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,017 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| 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 ».