Archiving digital activism against sexual violence: the challenges for ethical witnessing in research practice
Notice bibliographique
Résumé
In 2017, #MeToo swept the world—calling attention to the pervasiveness of sexual violence. In 2022, we published an article highlighting the “digital footprints” left by previous digital feminist campaigns that we argued made #MeToo intelligible. We concluded with a call for scholars to build an archive of digital feminist activism against sexual violence—a call we took up ourselves. This article presents both a reflection and analysis of one such attempt—hiring six research assistants to collect and archive as many digital feminist campaigns as they could in English, French, Spanish, Hindi, and Mandarin. We reflect on our methodological approach in the initial attempt to build this multi-lingual archive, drawing on the concept of ethical witnessing. We discuss challenges in curating our archive, including the rapidly shifting, ad hoc, and ephemeral nature of digital footprints and constantly updating platforms, changing norms around online ethics, and internet censorship in parts of the world, all of which made creating this archive using our framework of ethical witnessing far more complex than initially envisioned. We argue that current and future attempts to curate digital archives on feminist activism must be flexible and dynamic to ensure ethical witnessing takes place.
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 | 0,141 | 0,162 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,022 | 0,082 |
| Communication savante | 0,035 | 0,037 |
| Science ouverte | 0,004 | 0,026 |
| Intégrité de la recherche | 0,007 | 0,009 |
| 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 ».