Exploring Algorithmic Resistance: Responses to Social Media Censorship in Activism
Notice bibliographique
Résumé
Social media platforms have become a double-edged sword for human rights activism, simultaneously offering a stage and facilitating wide-reaching communication and connection, while also imposing censorship through stringent and opaque content governance. This study focuses on the over enforcement of content moderation on social media platforms, affecting activists who tried to engage online publics with issues of forced evictions and displacements in Sheikh Jarrah (SJ) and Silwan, in occupied East Jerusalem in May 2021 --- a critical juncture in the Palestinian-Israeli conflict. By analyzing responses from a survey of 201 users who reported experiencing censorship, and interviews with 14 political influencers and activists, we uncover how these individuals navigate the intricate landscape of social media censorship. The findings reveal a continuum of different ways of responding to censorship, from self-censorship to proactive advocacy of policy change, that highlight the ingenuity activists can employ to bypass content restrictions. This research not only contributes to our understanding of the interaction between social media's technical affordances and activist responses but also discusses broader implications for the design and governance of digital platforms in supporting democratic discourse and human rights activism in conflict zones. This study enriches the ongoing dialogue about social media's dual role as both a facilitator and a controller of public discourse, emphasizing the need for platforms to consider the profound impacts of their technical and policy decisions on global activism.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| 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 ».