Torture to Their Ears, Music to Ours: Memory Regimes and the Ordering of Political Space
Notice bibliographique
Résumé
How do societies navigate the symbolic and artistic heritage of troubled pasts? I build on Bernhard and Kubik’s (2014) theorization of official memory regimes to demonstrate how memory regimes govern the public mnemonic space beyond the official level. I trace such governance within what Bernhard and Kubik call a unified memory regime , in which official actors prefer not to fight battles in and around memory. I argue that unified memory regimes order, discipline, and govern not only the official but also the everyday spaces of judgment and affection. Posited on unity at the official level, these hegemonic frames of meaning-making relegate mnemonic tension to the societal level where discursive battles continue to take place. I further argue that unified memory regimes can open pitfalls for pluralists during moments of mnemonic contestation. Because pluralists acknowledge and agonistically deliberate on multiple interpretations of the past, they may attempt to discursively reconcile the emerging societal-level mnemonic fracture with the official unified memory regime. But this strategy can backfire, reinforcing the unified regime and disciplining the societal-level challenger through three discursive practices that I call the traps of consensus : semantic alignment, a syntax of disavowal, and the juxtaposition of “universal” and “particular” narratives about the past. Pluralists may be especially vulnerable to these traps when they face unified memory regimes in which the consensus narrative appears superficially pluralist (or “underspecified”) because it eschews normative judgments that distinguish between perpetrators and victims. I illustrate these dynamics through tracing the case of a contested soundscape in postcommunist Albania.
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 | 0,000 |
| 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 ».