MétaCan
Menu
Retour à la cohorte
Enregistrement W4406135668 · doi:10.46692/9781447369646.011

White subjects: domestic science in the colonies and other places

2024· other· en· W4406135668 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typeother
Langueen
DomaineArts and Humanities
ThématiqueHistory of Medicine and Tropical Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWhite (mutation)White paperGeographyArchaeologyBiology

Résumé

récupéré en direct d'OpenAlex

Classism is the most obvious ‘ism’ to plague the domestic science story. The domestic science movement was undeniably, to some extent and in certain quarters, about putting working- class women in their place. Imposing middle- class values on ‘an unruly, unkempt and ultimately unfit working class’ was a poorly thought out route to solving many problems of industrialisation and urbanisation: crime, drinking, poor nutrition, high infant mortality. But classism and sexism are linked to other ‘isms’. This chapter focuses on racism, imperialism and colonialism as creeds that have done their part in afflicting the domestic science movement. The chapter is also about the wide reach of the Euro- American ideology and practice of home science: how it was exported to other places, including Japan, Canada, New Zealand and other territories of what used to be the British Empire. The story in this chapter features a multi- faceted cast of characters: two Japanese women advocates of household science, Sumi Miyakawa and Hideko Inoue; the British household scientist Alice Ravenhill (again); a wealthy Canadian called Lillian Massey Treble; two clever Canadian food chemists, Annie Laird and Clara Benson; three British women who developed household science in New Zealand, Winifred Boys- Smith, Helen Rawson and Margaret Dyer; and two very different male characters, John Studholme, a philanthropic landowner, who thought women needed to be educated for their work at home; and an enthusiastically reformist Indian royal, the Maharaja of Gaekwad, who wanted a scientific woman to modernise his palaces. Household science was nothing if not versatile in adjusting to different cultural contexts. However what was versatile could also be inflexible. The same Euro- American- derived values and practices didn't necessary agree with the habits of the cultures into which attempts were made to insert them. Why whiteness? In 2001 a Canadian home economics teacher, Mary Leah de Zwart, was asked a testing question by one of her students: ‘White flour, white sugar, white sauce, white table manners, why is it that everything we do is white ?’ The student might have added to her (it was almost certainly a her) list of white subjects the overwhelming emphasis on whiteness and how to achieve it that has habitually haunted the laundry sections of domestic science manuals and classes, and that more than linger in our consumer industry today. Why should everything be white? What's wrong with off- white, grey, brown or even black?

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,972
Score d'incertitude au seuil0,113

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0280,014
Communication savante0,0110,004
Science ouverte0,0010,007
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0210,003

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 Opus0,029
Tête enseignante GPT0,287
Écart entre enseignants0,258 · 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.

Devis d'étudeQualitatif
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHistory of Medicine and Tropical HealthTravaux en français237 207