Bibliographic record
Abstract
Cet article porte sur les fandoms féminins et féministes de science-fiction entre la seconde moitié du vingtième siècle et les années 2010. Il a vocation à montrer que, bien que la SF ait souvent été considérée comme un domaine culturel à domination masculine (des auteurs aux publics, en passant par la représentation des personnages), de nombreuses lectrices et spectatrices se sont approprié le genre. J’ai tout d’abord replacé ce sujet dans une perspective historique, en expliquant que les fandoms féminins de SF ont été créés en opposition aux communautés d’écrivains et de fans hommes qui les rejetaient. En conséquence, les « fannes » ont dû organiser des activités quelque peu clandestines et produire leurs propres créations dérivées, telles que des fanzines de SF entièrement féminins. Ce faisant, elles mettent à profit le potentiel féministe spécifique à la science-fiction pour gagner en agentivité et pour diffuser des idées relatives aux droits des femmes. Dans la seconde partie de mon étude, à travers l’exemple de créations faniques inspirées par les œuvres d’Ursula K. Le Guin, Marion Zimmer Bradley et Margaret Atwood, je développe l’hypothèse selon laquelle ces productions (fanfictions, fanarts, objets divers) sont à la fois des outils d’empowerment féminin et des supports pour le militantisme féministe.
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 | 0.004 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.012 | 0.013 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.009 | 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".