Black Digital Models and the Ethics of Representation: An Autotheoretical Intervention
Notice bibliographique
Résumé
When AI speaks in Blackness, whose voice is heard, and whose is silenced? This paper examines Shudu, a computer-generated Black model with over 237,000 Instagram followers, created by a White male artist, through the lens of autotheory. As both method and critique, autotheory allows embodied narrative to enter into dialogue with cultural theory, creating an intervention rarely seen in communication scholarship. This approach makes visible how digital simulations of Blackness operate as communicative acts: they reproduce racial capitalism, commodify Black esthetics, erase Black agency, and perform false inclusion. By situating Shudu as a digital human rights dilemma, the research critiques the use of AI-generated models in the fashion industry, highlighting ethical concerns related to racial plagiarism, cultural appropriation, and labor displacement. By replacing real Black models with CGI alternatives, corporations avoid responsibilities tied to fair wages, authentic representation, and systemic equity. Moreover, Shudu mirrors historical patterns of exploitation, reinforcing a cyber plantation system where Blackness is monetized without benefiting Black individuals. In foregrounding autotheory, this study not only critiques the exploitation of Black representation in digital environments but also demonstrates the promise of autotheory as a methodological expansion for cultural communication research.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,054 |
| Communication savante | 0,008 | 0,010 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 source (Gemma direct ou Codex distillé), 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 ».