涉权力性侵女性的媒介呈现 ——基于国内四起典型事件的分析

来源 :大连理工大学 | 被引量 : 0次 | 上传用户:jners08
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
2017年底,女性平权运动#MeToo如火如荼地展开,女性自发讲述权力性侵遭遇更成为媒体集中关注的社会问题。依托于历史传统,在国内女性讲述或控告遭遇权力性侵是一个年轻且大胆的话题。各类媒介中,涉事女性从模糊的桃色绯闻、权势罪责、红颜祸水中逐渐脱离男性附属品的标签呈现出愈发清晰的样貌,与此同时却也伴随着一系列伦理失范现象与强暴迷思。本研究主要采用个案分析、内容分析、文本分析、深度访谈四个方法:个案选取自2017年以来国内四起具有典型意义的事件;内容分析以百度为抽样平台,结合媒介性别敏感指标以及费尔可拉夫三维框架理论,依次进行文本、话语、社会三个向度的类目编码;文本分析借助于韩礼德系统功能语法逐句解读具有传播效力的文本;最后结合深度访谈的相关内容分析问题与提出对策。研究结果显示,通过内容分析法,文本向度对女性的定性总体以受害者居多,不同事件间男性凝视与物化女性存在差异;话语向度出现两性数量(字数、图片数)相当的表象却潜藏诉诸方式的差异,不同事件间性别歧视强弱程度与性别差异表现类型有所不同;社会向度总体媒介呈现的失范现象较多,且与强暴迷思之间存在相关关系。通过文本分析法,不同事件的媒介呈现相继出现关键法律概念阐释模糊、涉事男性无端隐形、性侵归因于女性个体、极化的民粹主义倾向等问题。针对涉权力性侵女性的媒介呈现综述,媒体对于性侵与女性存在颇多误读,性侵易陷入阴谋论假说、成为暧昧的权力游戏,而女性依旧易受到较多的苛责与身份的制约。最后,通过借鉴相关事件的优秀报道案例,为媒体提供从女性气质、女性形象、女性身体三维建构涉权力性侵女性的呈现方法。
其他文献
上个世纪80年代我国开始引入政府和社会资本合作PPP(Public Private Partnership)模式发展基础设施、推进新型城镇化建设。伴随着基础设施投融资体制的改革,从最初的BOT模式,到BT模式,进一步发展到了如今的PPP模式,PPP模式自身也在逐渐演化和发展。然而在PPP模式的演化过程中,地方政府作为PPP项目的主要发起人和责任人,利用我国行政体制下的自由裁量权实施了“兜底回报”、
我国力争在2030年前实现碳达峰,2060年前实现碳中和,这是党中央经过深思熟虑做出的重大战略决策,事关中华民族永续发展。如何通过环境规制政策的制定和实施推动经济高质量发展和产业结构的优化升级至关重要。以此为研究背景,本文基于中国1995—2016年261个地级及以上城市的产业结构调整数据,以“两控区”政策和“我国首次约束性污染控制”政策为总量控制政策的代表性政策,结合双重差分法,研究政策的实施是
如何将项目管理理论应用于招商引资的实际工作,通过流程化、规范化、项目化的管理方法来实现招商引资工作软环境的改善,提升工作效率与服务质量,带动本地区经济快速稳健发展,已经成为各地招商引资工作的重点。2018年末的体制机制改革,使盘锦A经济区剥离了原来所有的行政职能,主要任务转为经济发展,招商引资工作正成为全区的第一要务。招商引资项目化管理是把每一个签约项目打包成一个项目包,以实现项目总体目标为导向,
多目标跟踪任务是计算机视觉领域的一个重要问题,旨在对视频中出现的所有目标进行识别与跟踪,常见的跟踪目标是行人与车辆,多目标跟踪在智能监控、姿态识别等领域有着重要的应用。在多目标跟踪任务中,存在两个难点问题影响跟踪的精度:第一,目标间的遮挡会导致跟踪轨迹的中断以及跟踪目标的跳变,第二,由于多目标跟踪任务需要基于目标检测的结果,所以目标检测结果的质量会直接影响跟踪精度。本文针对上述问题开展如下工作。首
调制信号识别是智能通信、非协作通信和无线电频谱管理等领域的一项关键技术,旨在识别接收信号的调制类型。深度自编码器是深度学习领域中一种在半监督学习和无监督学习中使用的人工神经网络,具有强大的数据特征取功能。本文分别从信号降噪、特征取和信号识别等三个方面研究了深度自编码器应用于调制信号识别的方式与性能,具体内容包括:(1)研究并实现了一种基于栈式卷积降噪自编码器(SCDAE)的信号降噪方法。由三个降噪
冬奥会创办至今已走过83年的历程,其独特的冰雪魅力和所承载的挑战自然、追求极限、战胜自我的奥运精神不断吸引更多的人关注和参与。在信息快速发展的时代,奥运会或是任何体育赛事都缺席不了媒体的传播和报道。奥运会举办期间,媒体都会为受众报道相关的体育赛事状况,其中具有代表性的媒体就是《人民日报》。它是我国最具影响力和权威性的报纸,而且从1980年就开始报道冬奥会,为读者呈现每届冬奥会赛事的盛况。2022年
语音合成是一种将给定文本转换为语音的技术,它在手机语音助手、有声读物、歌曲合成、地图导航等领域具有广泛的应用。近年来,随着神经网络理论的快速发展,基于深度学习的语音合成方法成为当前的研究热点,并取得重要研究进展。该类方法通常采用端到端的语音合成模型,所合成的语音质量高、自然度好,但其参数较多,计算量很大,对硬件设备的存储能力和运算能力要求较高,在算力较低的设备上难以实现实时的语音合成。本文针对中文
在互联网软件快速发展的背景下,用户数据的采集与挖掘展示出了巨大的应用价值。用户画像作为勾画目标用户、联系用户诉求与设计方向的有效工具,它将具体信息抽象成标签,通过标签来描述用户特征。目前,针对于用户画像分析,用户标签单一往往导致用户分析不精确,大数据计算复杂,消耗时间长,并且针对不同的软件应用来说,用户的数据差异较大,不能采用统一的方式进行统计和计算。本文针对短视频应用,分析特定用户数据,使用基础
近年来,深度神经网络已经在计算机视觉、自然语言处理等诸多领域取得突破性的成绩,然而相比于决策树等逻辑直观的机器学习模型,深度神经网络本身的黑盒特性以及使深度神经网络失效的对抗样本,使得它们难以直接应用到医疗决策、自动驾驶等高风险领域中。因此深度神经网络的可解释性备受关注,多从图像分类任务的可解释性开始研究。一种主流的研究思路是探索模型对于单幅图像或一类图像的决策依据。前者以可视化解释方法为主,它们