La contestation des discours sur l’obésité : YouTube et la femme « grosse » parrhésiaste
Bibliographic record
Abstract
Dans la société occidentale, les constructions discursives dominantes définissent les « gros » corps comme des corps malades qui manquent de volonté pour gérer leurs désirs. Ces discours néolibéraux laissent aussi entendre que le corps serait un objet mesurable distinct du corps vécu. Les femmes « grosses » sont assujetties aux discours néolibéraux sur l’obésité, mais aussi au « savoir » sur la féminité (hétérosexuelle); elles sont donc jugées et dénigrées puisqu’elles ne se conforment pas aux normes sociales de ces deux espaces discursifs. Toutefois, certaines d’entre elles résistent en problématisant l’identité féminine que génèrent les discours dominants sur l’obésité. En effet, dans une recherche procédant à une analyse foucaldienne des discours de quatre vidéos produites sur YouTube par des femmes qui se disent « grosses » et des commentaires que ces vidéos ont suscités, les auteures ont constaté que YouTube offre aux femmes une plateforme pour pratiquer la parrhésie, ce que Foucault décrit comme l’acte de dire la vérité sans peur. Utiliser YouTube pour parler sans peur de ses difficultés avec les constructions discursives dominantes du corps féminin « gros » favorise une forme d’attention à soi qui peut aider les femmes à contester les discours dominants sur l’obésité. Même si elles ne parviennent pas à se libérer complètement de ces discours, elles peuvent, grâce à l’auto(re)présentation parrhésiastique dans YouTube, se voir sous un jour nouveau et contribuer à la production et à la reproduction de contre-discours sur le corps féminin « gros ».
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.007 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.000 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".