Black lives matter and say her name: how intersectional solidarity strengthens movements for social justice
Notice bibliographique
Résumé
What happens when social movements try to address internal inequalities that define marginalized identity groups? Do internal efforts to redress the marginalization of particular subgroups within activist ranks undermine broader relations of solidarity? While some commentators believe that recognizing differences can lead to fragmentation within social movements, ultimately weakening them; advocates for intersectional solidarity believe that it strengthens movements. We address this debate by analyzing retweet networks on Twitter (now X) over three discrete time periods to examine the impact of the #SayHerName campaign, which called attention to the intersectional marginalization of Black women, on the #BlackLivesMatter movement’s online discourse. Our analysis is based on the perspective that discourse on public social media platforms constitutes a crucial aspect of contemporary social movements like Black Lives Matter. We find that the introduction of the #SayHerName campaign increased network density among users of the hashtag #BlackLivesMatter, and that even after #SayHerName declined, the #BlackLivesMatter network was denser and more connected that it had been prior to the initiation of #SayHerName. We conclude that in this case, there is no indication that separate organizing around intersectionally marginalized identities fragments or weakens social movements’ online networks.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,014 | 0,026 |
| Communication savante | 0,009 | 0,009 |
| Science ouverte | 0,001 | 0,010 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».