Coalizing Against Fatmisic and Sanist Targeted Ads of Oppression
Notice bibliographique
Résumé
In this article, we do fat studies, mad studies, and critical eating dis/order studies (CEDS) together as methodology. Diversely positioned in relation to gender, sexuality, race, size, disability, and eating dis/orders, we engage in critical conversations across movements, building solidarities in and between our communities to coalize against fatmisia and sanism. We were galvanized to come together in this collective resistance and community building as a subversive response to our shared (research) experiences of being targeted with weight-loss and fat eradication advertisements on social media. These ads communicate that we are medical, moral, and aesthetic problems that need to be intervened upon to become healthy, worthy, and desirable–to qualify as human. Motivated by our commitments to mad-disability justice and fat liberation, we contribute the concept of targeted ads of oppression (TAO) to name the violence that is hurting us. Utilizing affect theory with attention to how our feelings matter, we define TAO and identify four typologies. Our analysis engages with the concept of “recipes” to illustrate how TAO arise from a complex mixing of five dimensions that not only facilitate the existence of TAO, but also promote the propagation of fatmisia and sanism. We conclude by presenting five strategies for mobilizing against fatmisia and offer a theoretically-informed approach for navigating the harmful and affective qualities of TAO in both online and offline settings, which may prove useful to both fat and non-fat scholars and activists interested in anti-sizeist work.
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 | 0,005 | 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 | 0,009 | 0,017 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».