Act Like a Woman, Play Like a Man: Manhood Acts and the Gendered and Racialized Organization of Online Professional Streamers
Notice bibliographique
Résumé
Professional gaming is a billion-dollar industry with some earning incomes comparable to those of popular athletes and entertainers. The rapid rise of professional gaming owes its success to the advent of Twitch.tv, a video streaming platform that enables streamers to broadcast a live feed of their gameplay while interacting with fans. While white men have mostly dominated this arena, white women and people of color are beginning to rise in the ranks of professional streaming. In this article, we examine how online platforms like Twitch represent a new type of workplace that is organized around geek masculinity and manhood acts, establishing and perpetuating hierarchies of masculine dominance and white privilege. Analyzing interaction patterns of streamers and their viewers via publicly available text and video data, we find that men streamers and their audiences create a hostile work environment for white women and people of color online in three ways. First, gendered communication patterns of streamers uphold the gender hierarchy. Second, communication patterns of the audience rely on racialized manhood acts that put women in their “place” and perpetuate white supremacy through racialized stereotypes. Finally, manhood acts based on sexual harassment towards women, including racial epithets, signal male dominance and the dominance of white culture. These virtual manhood acts perpetuate an organizational structure of sexism and racism that establishes a hierarchical workplace, placing white men “geeks” at the top and reinforcing gender and racial inequalities in the workplace.
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 | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 ».