Affirmer son identité à travers la mise en scène de la nourriture dans les médias socionumériques : l’exemple d’influenceuses culinaires musulmanes
Bibliographic record
Abstract
Cet article, qui repose sur une démarche méthodologique combinant nethographie et analyse du discours, propose une réflexion sur les pratiques d’influenceuses musulmanes productrices de contenus culinaires dans les médias socionumériques. L’article met en lumière les manières dont quatre hijabi influencers, Baraa Bolaat, NailaHijab, Asma Fares et Underrated Hijabi, résidant dans des contextes socioculturels où l’islam est minoritaire, s’adonnent à des pratiques de représentation et de mise en récit de soi, au travers de ce qu’elles mangent ou cuisinent. L’analyse montre également que ces pratiques s’inscrivent dans une démarche d’empowerment qui prend au moins deux formes : tout d’abord, celle d’une visualité et agentivation à travers lesquelles ces hijabi influencers se forgent leur propre espace médiatique, ainsi que d’une volonté de brouiller les frontières entre sphère domestique et espace public.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.003 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 teacher head, 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".