ACONTECIMENTOS CONTRAOFENSIVOS: DESLIZAMENTOS DE SENTIDOS NA PÁGINA #MARCHADASVADIAS
Bibliographic record
Abstract
Historicamente, as mulheres são vítimas de uma conjuntura patriarcal na qual são concebidas como submissas e inferiores. Estudos sobre as lutas das mulheres na sociedade e os modos como seus corpos físicos são significados são urgentes e relevantes para a construção de uma era contemporânea (e futura) pautada nos direitos humanos e na equidade de gênero. Nessa perspectiva, nosso propósito nesta pesquisa é analisar textos dados a circular em manifestações denominadas “Marcha das Vadias” e publicados na página do Instagram #marchadasvadias, com foco nas imagens de corpos seminus das mulheres. Esse movimento feminista surge em 2011 no Canadá, após um policial declarar que, para evitar estupros, as mulheres deveriam deixar de se vestir como vadias. O dizer desse sujeito filia-se a um posicionamento discursivo machista e a “Marcha das Vadias” emerge como resposta. Práticas contraofensivas e de resistências pelo direito não só de as mulheres se vestirem como quiserem, mas também pelo fim da “cultura do estupro” são materializadas nas ruas de Toronto e discursivizadas em âmbito internacional. Acionamos procedimentos analíticos da Análise de Discurso e recorremos teoricamente a Orlandi (2005), Fernandes (2007), Courtine (2009), Milanez e Gonçalves (2018), Belting (2006), Stearns (2007) e Pinto (2010), dentre outros. Observamos como, em tais protestos, os corpos femininos são suportes materiais e, ao mesmo tempo, discursos centrais de práticas libertárias.
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 | 0.003 | 0.007 |
| 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 | 0.023 |
| Scholarly communication | 0.012 | 0.006 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.010 | 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".