“Come With Me on My #Griefjourney”: First-Person Narratives of Grief on TikTok
Notice bibliographique
Résumé
As scholarship on death and dying has demonstrated, the tendency to ritualize experiences with death and grief stems from the need to find ways to express the pain and agony of loss. In recent decades, these expressions have moved from offline spaces to online spaces, marking a new era of digitally mediated mourning. Social media platforms like Facebook and TikTok enable users to connect, interact, and share across geographical boundaries and time constraints. They have also become virtual memorial spaces for users to post videos, photos, and tributes to deceased loved ones. With a rapid rise in popularity and ever-expanding user base, TikTok's blend of entertainment, self-expression, and emotional connection has become a compelling force among social media platforms. While online mourning is an established phenomenon, TikTok's presence in this space is a relatively recent development; users leverage TikTok's affordances to express their grief publicly and to continue connections with deceased loved ones, in the process, creating a digital “safe space” for public displays of grief. Through the analysis of grief narratives on TikTok and comparison to grief practices on other social media platforms, such as blogs and Facebook, a platform widely associated with online mourning, this article introduces a new form of first-person grief narrative and reflects on how social grieving and memorialization practices are evolving in changing social media environments.
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) | 0,001 | 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) | 0,001 | 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 ».