YOU’RE LOOKING VERY SHANE TODAY: RHETORICAL FIELD METHODS & THE MATERIALITY OF QUEER MEDIATED REPRESENTATION FOR SAPPHIC WOMEN
Notice bibliographique
Résumé
When marginalized communities are left without real-life mentors, they often turn to media as a guide. In this project I assert that mediated sapphic woman characters impact the identity development and everyday experiences for sapphic women in material ways. I explore what mediated narratives sapphic women consume and analyze how these messages become symbolic rhetorical tools that queer women rhetorically mobilize to narrativize and negotiate their queer identities. To achieve this goal, I utilized rhetorical field methods by interviewing 20 queer women ranging from the ages of 25-40 in dyadic, semi structured interviews. These women use varying terms to label their sexualities such as lesbian, queer, and bisexual and live in the United States and Canada. Through my rhetorical analysis of these interviews, I found three primary ways that queer women mobilize encoded messages within queer media as an interlocutor to assist in their queer identity development. First, these women use queer media as a form of validation, making queer media a rhetorical instrument. Second, queer women dialectically read media through oppositional/preferred and negotiated lenses to cultivate aspirational possibilities for their futures. Lastly, queer women mobilize media’s romantic and sexual scripts as guides to engage in romantic, sexual, and platonic relationships. These findings resulted in the implication that rhetoricians must continue to investigate the ways that queer media materially impacts the realities of marginalized communities. On a more macro scale, this project’s findings also implicate the nuance that can come from taking to the field to study media and the fleshly experiences of marginalized communities.
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 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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».