MétaCan
Menu
Retour à la cohorte
Enregistrement W4410466515 · doi:10.1080/09589236.2025.2505573

Forced reproduction: abortion access in a landscape of data violence

2025· article· en· W4410466515 sur OpenAlexaff
Rebecca Noone, Arun Jacob

Notice bibliographique

RevueJournal of Gender Studies · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDemographic Trends and Gender Preferences
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésAbortionReproductionForced migrationSexual assaultSexual violenceSociologyPolitical scienceCriminologyBiologyEcologyPoison controlHuman factors and ergonomicsMedicinePregnancyLawMedical emergency

Résumé

récupéré en direct d'OpenAlex

The U.S. Supreme Court’s ruling in Dobbs v. Jackson Women’s Health Organization overturned federally sanctioned legal protections for abortions in America, returning legislative power over reproductive rights to individual states. Consequently, access to reproductive care has become increasingly location-dependent. The Dobbs decision and its ongoing consequences occur during a time of intensified location-data-tracking, with geofencing, licence plate reading, and IP address tracking becoming commonplace. Data intermediaries collect locational data about reproductive healthcare and their users and sell this information to courts and civil litigants, such as anti-abortion organizations. Reading this context through Anna Lauren Hoffmann’s framework of data’s discursive violence, this article is a theoretical intervention in the reproductive imperative of data intermediaries. While popular responses to tracking practices call for increased data protections, this paper challenges the position that legislation can help undo these harms. In examining the practices of data intermediaries and the legal contexts that protect them, this article argues that data intermediaries are not simply bad actors profiting from post-Dobbs regulations but they reify a culture of forced reproduction through the instrument of data violence.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,188
Score d'incertitude au seuil0,204

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,246
Tête enseignante GPT0,473
Écart entre enseignants0,226 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Gender StudiesMême sujetDemographic Trends and Gender PreferencesTravaux en français237 207