Narratives and Counternarratives: Somali-Canadians on Recruitment as Foreign Fighters to Al-Shabaab
Notice bibliographique
Résumé
Recently, the Somali diaspora has found itself at the centre of heightened security concerns surrounding the proliferation of international terrorist networks and their recruitment strategies. These concerns have reached new levels since the absorption of al-Shabaab into al-Qaeda in 2012. Based on a qualitative analysis of interviews with 118 members of Canada’s largest Somali community, this article draws upon narrative criminology to reverse the ‘why they joined’ question that serves as the predicate for much recent radicalization scholarship, and instead explores, ‘why they would never join’. We encounter Somali-Canadians equipping themselves with sophisticated counternarratives that vitiate the enticements of al-Shabaab. Particularly, notions of ‘coolness’, ‘trickery’ and ‘religious perversion’ mediate participants’ perceptions of al-Shabaab and enable a self-empowering rejection of its recruitment narratives. In particular, we find resonances between the narratives of non-recruits and ‘bogeyman’ narratives that exist commonly in many cultures. The efficacy of these narratives for resilience is three-fold, positioning the recruiters as odious agents, recruits as weak-minded dupes and our participants as knowledgeable storytellers who can forewarn others against recruitment to al-Shabaab.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,056 | 0,028 |
| Communication savante | 0,011 | 0,003 |
| Science ouverte | 0,003 | 0,009 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».