They aren’t all named Karen: digital dating in a racist (or white man’s) world
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Dating technologies have evolved from chatrooms to geo-social networking applications (GSNAs), often called dating/hook-up apps. Using location data, GSNAs connect users based on proximity for romantic or intimate purposes. However, concerns arise regarding GSNAs, risky practices (Albury & Byron, Citation2016), mental health impacts (Filice et al., Citation2019), and safety (Choi et al., Citation2018; Gillett, Citation2018). Scholars have noted that GSNAs can foster racism (Conner, Citation2023; Matharu et al., Citation2023), highlighting the need for digital equity research. Using a collection of 2227 images from a single man who frequently used the apps, this study examines women’s profiles to reveal a continuum of digital White supremacist ideologies (DWSI). We present visual interpretations on how conscious and unconscious “produced” pics can shape leisure spaces and address how to navigate different ethical considerations. Three key visual tropes emerged from the analysis: representations of right-wing American politics, political signalling as digital identity expression, and the memeification or mimicry of social movements. This study contributes to the field of digital leisure by interrogating how white supremacist ideologies are visually encoded and circulated within dating app spaces. We offer an arts-based and semiotic approach to interpret how digital publics are navigated through everyday leisure technologiess representing the data with art comics and narrative vignettes.
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.
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 | 0,002 | 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle