Notice bibliographique
Résumé
Media bias is a reality of the infoglut we are bombarded with every day. However, we often consider bias to be consigned to the textual realm of information. I argue that anything human-mediated holds bias, including photographs. Because of this, I propose reading the performance of Indigenous-led environmental activism through media representation, specifically photographs used in media coverage of Indigenous environmental activism. This paper considers open-access media photographs of Indigenous-led environmental protests, such as the Kanehsatake Resistance (1990) and Wet’suwet’en Blockade (2020), as springboards for practicing ethical reading. As a settler-scholar, this work is mostly geared towards a settler-scholar or non-Indigenous audience interested in Indigenous literary studies, as a way to find tools to engage in this scholarship. The purpose of this article is to elucidate media bias as a way of informing our individual teaching and learning practice, as well as shaping how we engage with and talk about Indigenous issues. While all public activism engages with some levels of performance, the performance itself and larger narrative being told by the activists is filtered through who is able to tell the story. Here, I use a methodology that I am developing as part of my ongoing dissertation work, Critical Dispositioning, which is an ethical reading praxis designed for settlers to use when engaging with Indigenous literatures. Critical Dispositioning requires community-specific reading of Indigenous materials and rejects settler imposition or appropriation of Indigenous voices and texts. This work is essential in building anti-racist practices and equity, diversity, and inclusion into the classroom space, as well as a tool for consideration when building syllabi.
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 | 0,003 | 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 ».