TRANSPHOBIC MEMES IN THE QUEBEC ALTERNATIVE NEWS INDUSTRY
Notice bibliographique
Résumé
In this paper, we explore transnational discursive campaigns that use online popular culture to consolidate a “countercultural” vision of hard to extreme right politics. Hyperpartisan sites form a “mirror universe” or alternate news industry, counterposing their passionate partisanship against what they deem the fraudulent objectivity of mainstream media. In our preliminary study, we noted that “anti-woke” hashtags and memes were heavily freighted with transphobic images and messages and co-occurred with a range of other far-right content (with strong currents of anti-immigration, misogynist, “anti-system,” and conspiracy themes). Presented in mocking tones and mobilized by hyperpartisan sites, transphobic memes participate in consolidating far-right hegemony via online countercultural forms. In mapping the distribution patterns of this content, we observed 1) the extent to which a range of seemingly “independent” sites distribute the same content within a short period of times; 2) how “anti-woke” hashtags and memes served to consolidate a far-right worldview and package it as countercultural; 3) and finally, how transphobic content came to constitute something of a “federating” theme – an ideological entry point into or representative of a larger ensemble of sociopolitical arguments. In this sense, transphobia works as a federating meme, creating information cascades that promote alt-right ideologies. Information cascades describe patterns of online conformity (Lemieux 2003) on social media platforms like Twitter. By tracking a range of Quebecois right-wing influenceurs, we aim to ascertain the opportunistic mobilisation and reach of transphobic content in this Quebecois alternative influence network.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».