Exposed Wounds: The Photographic Autopathographies of Hannah Wilke and Jo Spence
Bibliographic record
Abstract
L’article s’intéresse aux autopathographies produites par Hannah Wilke et par Jo Spence inspirées par la lutte qu’elles ont toutes deux menée contre le cancer dans les années 80 et au début des années 90. Les deux artistes se sont tournées vers l’autopathographie pour réinventer leurs propres images corporelles, ainsi que l’image sociale de leur maladie. En examinant de près leurs productions, l’article décrit les stratégies esthétiques et politiques qu’elles emploient pour transmettre leur expérience. Wilke transforme activement son vécu souffrant en l’image d’un exosquelette blessé, où des marques réelles, ainsi que des signes construits autour de sa douleur sont exhibés sur son corps et par lui. Par cette transformation, l’artiste parvient à exprimer une position critique face aux préjugés culturels qui sont rattachés à (l’image de) sa maladie. Spence, pour sa part, crée une dialectique visuelle du sujet malade, où son image ne peut facilement être réduite aux statuts extrêmes de « victime » ou d’« héroïne ». L’image du sujet qui en émerge demeure dynamique et complexe, et échappe aux stéréotypes préjudiciaux. L’article se penche également sur la dimension performative impliquée dans toute autoreprésentation, et, plus précisément, dans les objets culturels liés à la maladie tels que les talismans et les ex-voto, qui sont décrits par Thierry Davila comme étant des « formes agissantes ». Les oeuvres de Wilke et Spence nous portent à réfléchir sur la lourde responsabilité qu’il nous faut assumer face aux oeuvres pathographiques et aux images de la souffrance.
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 | 0.001 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.012 | 0.011 |
| Scholarly communication | 0.005 | 0.005 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.007 |
| 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".