MétaCan
Menu
Retour à la cohorte
Enregistrement W2318821010 · doi:10.1080/13621025.2016.1158353

Building political agency and movement leadership: the grassroots organizing model of Asian Immigrant Women Advocates

2016· article· en· W2318821010 sur OpenAlexafffund
Jennifer Jihye Chun

Notice bibliographique

RevueCitizenship Studies · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Ethnicity, and Economy
Établissements canadiensThe Scarborough HospitalUniversity of Toronto
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaUniversity at Buffalo
Mots-clésGrassrootsCommunity organizingAgency (philosophy)Collective actionSocial movementSociologyPoliticsCitizenshipImmigrationParticipant observationGender studiesSocial movement theoryPolitical efficacyPublic relationsNeoliberalism (international relations)Political sciencePolitical economySocial scienceLaw

Résumé

récupéré en direct d'OpenAlex

Drawing upon a qualitative case study of Asian Immigrant Women Advocates (AIWA), which organizes Chinese immigrant women working in low-paid, precarious jobs, this study examines how one worker center contends with multiple dimensions of precarity to build political agency and movement leadership. By encouraging participation in collective trainings, promoting involvement in collective action campaigns, and creating organizational leadership roles, AIWA has developed a grassroots organizing model that transforms Asian immigrant women workers’ everyday lives from a pervasive state of social isolation and political withdrawal to an uplifted state of self-activity and collective change-making. Key outcomes generated by AIWA’s grassroots organizing model include enhanced self-confidence, expanded social networks, practical organizing skills, and expert-level knowledge. By showing how grassroots organizing strategies create alternative pathways for social and political engagement, this study challenges the dominance of professionally led worker centers that seek to dismantle but often perpetuate the exclusionary dynamics of liberal citizenship regimes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0100,018
Communication savante0,0050,003
Science ouverte0,0010,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,107
Tête enseignante GPT0,324
Écart entre enseignants0,216 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCitizenship StudiesMême sujetMigration, Ethnicity, and EconomyTravaux en français237 207