MétaCan
Menu
Retour à la cohorte
Enregistrement W4404413037 · doi:10.1177/08944393241301050

Feminist Identity and Online Activism in Four Countries From 2019 to 2023

2024· article· en· W4404413037 sur OpenAlexafffundabout
Shelley Boulianne, Katharina Heger, Nicole Houle, Delphine Brown

Notice bibliographique

RevueSocial Science Computer Review · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media and Politics
Établissements canadiensMacEwan University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésIdentity (music)Gender studiesPolitical scienceSociologyArt

Résumé

récupéré en direct d'OpenAlex

The COVID-19 pandemic heightened burdens on caregivers, but also the visibility of caregiving inequalities. These grievances may activate a feminist identity which in turn leads to greater civic and political participation. During a pandemic, online forms of participation are particularly attractive as they require less effort than offline forms of participation and pose less health risks compared to collective forms of offline activism. Using survey data from four countries (Canada, France, the United States, and the United Kingdom) collected in 2019 (prior to the pandemic), 2021 (during the pandemic), and 2023 (post-pandemic), we examine the relationship between self-identifying as a feminist and signing online petitions ( n = 18,362). Our multivariate analyses show that having a feminist identity is positively related to signing online petitions. We consider the differential effects of this identity on participation for men, women, non-binary people; caregivers versus non-caregivers; and respondents in different countries with varying levels of restrictions due to the pandemic. A feminist identity is more important for mobilizing caregivers than non-caregivers, whether or not the caregiver is a man or a woman. While grievance theory suggests differential effects by country and time period, we find a consistent role of feminist identity in predicting the signing of online petitions across time and across countries. These findings offer insights into how different groups in varying contexts are mobilized to participate.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,076
Score d'incertitude au seuil0,152

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,066
Tête enseignante GPT0,422
Écart entre enseignants0,355 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSocial Science Computer ReviewMême sujetSocial Media and PoliticsTravaux en français237 207